عنوان
تنظيم وزن دسته¬ بندهاي مدل تقويت تطبيقي بر اساس تغيير موقتي مکان نمونه هاي دشوار
نویسنده (گان)
Jafaei,Mahdi;اديبي,پيمان
چکیده مقاله
الگوريتم تقويت تطبيقي يا AdaBoost يک روش جمعي براي دسته بندي داده است، که به دليل دقت بالا و پايداري در برابر نمونه داده هاي نويزي مورد توجه بسياري از محققان حوزه شناسايي الگو و يادگيري ماشين قرار گرفته است. در اين مقاله براي ارتقاء کيفيت عملکرد اين الگوريتم پيشنهاد مي شود که مکان نمونه داده هاي آموزشي که الگوريتم در مواجهه با آنها عملکرد خوبي از خود نشان نمي دهد، به طور موقتي به گونه اي تغيير داده شود که در هر گام عمل دسته بندي براي دسته بند آن گام آسان تر گردد. به اين منظور ابتدا مدل با تعدادي گام مشخص آموزش مي بيند. سپس دسته بندي نمونه داده هاي آموزشي با اين مدل آموزش ديده انجام گرفته، و نمونه هايي که اشتباه دسته بندي شده اند به سمت نمونه هايي که درست دسته بندي شده اند سوق داده مي شوند. سپس يادگيري براي تنظيم وزنها ادامه يافته و در چند گام مشخص اين نمونه هاي تغيير مکان يافته به مکان اصلي خود بازمي گردند. براي ارزيابي کارايي الگوريتم پيشنهادي، نتايج حاصل از روش پيشنهادي بر روي چند مجموعه داده استاندارد با نتايج الگوريتم تقويت تطبيقي اصلي مورد مقايسه قرار گرفت، و مشاهده شد که روش پيشنهادي توانسته است عملکرد الگوريتم تقويت تطبيقي را بهبود بخشد.

متن کامل مقاله