تصنيف متعدد التسمية مع الشبكة العصبية
| العنوان | تصنيف متعدد التسمية مع الشبكة العصبية |
|---|---|
| المؤلف | إكشي أوغلو، سيزين |
| تاريخ النشر: | 2023-01-18T12:43:56Z |
| النوع | وثيقة |
| اللغة | الإنجليزية |
| رقمي | نعم |
| مخطوط | لا |
| المكتبة: | جامعة اوزيجين |
| رقم السجل | cd8d1f5c-158c-48c8-8cd6-e4c855bd178c |
| موقع المكتبة | قسم علوم البيانات |
| التاريخ | 2023-01-18T12:43:56Z |
| نص عينة | التصنيف متعدد العلامات له أهمية كبيرة للعديد من التطبيقات، كما أنه موضوع بحثي صعب. إنه نوع من التعلم الخاضع للإشراف الذي يحتوي على أهداف ثنائية. المسافة بين التصنيف متعدد التسمية والتصنيف الثنائي هي وجود أكثر من فئة في مشاكل التصنيف متعدد التسمية. يمكن أن تنتمي الميزات إلى فئة واحدة أو عدة فئات. توجد مجموعة واسعة من التطبيقات للتنبؤ متعدد العلامات مثل وضع العلامات على الصور، وتصنيف النص، ووظائف الجينات. على الرغم من تصنيف الميزات في العديد من الفئات، إلا أنها قد لا يتم تصنيفها دائمًا بشكل صحيح. هناك العديد من الطرق الجماعية للتصنيف. ومع ذلك، كان معظم الباحثين مهتمين بالطرق الأفضل متعددة العلامات. يركز الصغار بشكل خاص على كفاءة المصنفات والعلاقات الزوجية في نفس الوقت لتنفيذ تصنيف أفضل متعدد العلامات. في هذا البحث، عملنا على طرق المجموعة المعدلة من خلال الحصول على فوائد من k-Nearest Neighbors وبنية الشبكة العصبية بشكل تسلسلي لمعالجة المشكلات بشكل مفيد والحصول على تأثيرات أفضل من التصنيف متعدد العلامات. يتم تنفيذ مجموعات البيانات المتاحة للجمهور (الخميرة، والعاطفة، والمشهد، والطيور) لإظهار كفاءة الخوارزمية المتقدمة، ويتم قياس هذه التقنية. تتفوق الخوارزمية الخاصة بنا على المعايير لكل مجموعة بيانات بمقاييس مختلفة. نتيجة الخوارزمية تنافسية مع أحدث النتائج. على وجه الخصوص، في المتوسط المرجح للتقليل الإيجابي الكاذب والتقليل السلبي الكاذب، تجتاز الخوارزمية المعايير. ikili hedefler içeren bir tür denetimli öğrenmedir. كوك إتيكيتلي sınıflandırma مشكلة في كوك إتيكيتلي و إيكيلي sınıflandırma arasındaki mesafe، الطيور fazla sınıfa sahip olmaktır. يمكن أن تكون هذه الأشياء سهلة أو سهلة الاستخدام. تتضمن الميزات الرئيسية التي يتم تصنيفها، والتي تم تصميمها بشكل جيد، كل ما هو جديد في هذا المجال. Özellikler bircok sınıfta sınıflandırılmış olsa da، Her zaman uygun şekilde sınıflandırılamayabilirler. Sınıflandırma için birçok topluluk yöntemi vardır. Bununla birlikte, araştırmacıların çoğu, daha iyi çoklu etiket yöntemleri konusunda endişe duymaktadır. Özellikle bazıları, daha iyi çok etiketli sınıflandırma uygulamak için hem sınıflandırıcıların verimliliğine hem de ikili bağlara aynı anda odaklanır. Bu çalışmada, sorunları yararlı bir şekilde ele almak ve çok etiketli sınıflandırmadan daha iyi etkiler elde etmek için k - En Yakın Komşu algoritmasından ve yapay sinir ağı yapısından sırayla yararlanarak değiştirilmiş topluluk yöntemleri üzerinde çalıştık. Farklı veri setleri üzerinde algoritmamızı uyguladık. الخوارزمية هي مقياس دقيق للغاية في أداء الأداء. خوارزمية الخوارزمية هي عبارة عن أداة برمجية قابلة لإعادة التدوير ومصممة خصيصًا لأدوات الخوارزمية. |
