نوع فایل :PDF
تعداد صفحات :5
سال انتشار :1394
چکیده
در این پژوهش تلاش شده است تا الگوریتمی مبتنی بر k نزدیکترین همسایه برای دستهبندی چند برچسبی ارائه شود. ابتدا مروری خواهد شد بر یادگیری چند برچسبی ) Multi-Label Learning ( و اینکه چرا به این دسته از الگوریتمهای یادگیرینیاز وجود دارد. همچنین مثالهایی از مسائلی که با استفاده از این نوع یادگیری و دستهبندی حل میشوند ذکر خواهد شد. در ادامهی بحث الگوریتم اصلی این مقاله توضیح داده خواهد شد. این الگوریتم با نام اختصاری ML-kNN نامگذاری شده است و به معنای k نزدیکترین همسایهی چند برچسبی ) Multi-Label k-Nearest Neighbor ( میباشد. سپس آزمایشات حاصل ازاجرای این الگوریتم و مقایسهی آن با سایر الگوریتمهای موجود در زمینهی دستهبندی دادههای چند برچسبی مورد بررسی قرار میگیرد و در انتها نیز نتایج حاصل بیان خواهد شد
واژگان کلیدی
یادگیری چند برچسبی، Maximum Aposteriori ، الگوریتم دیرپاسخ، دستهبندی
مبلغ قابل پرداخت 6,900 تومان
برچسب های مهم
حجم فایل : 625.8 KB نوع فایل : پاور پوینت تعداد اسلاید ها : 9 بنام خدا فیزیک دوم دبیرستانفصل 5(چگالی) جرم یکای حجم هر جسم را چگالی یا جرم حجمی نامیده و با نشان می دهیم و یکای آن در SI ، است. بنابراین : چگالی جسم نمونه جدول چگالی اجسام جرم یک لیتر آب چند کیلوگرم است؟ مثال ... ...
حجم فایل : 531.8 KB نوع فایل : پاور پوینت تعداد اسلاید ها : 15 بنام خدا ریاضی چهارم دبستانتقسیم و بخش پذیری تقسیم و بخش پذیریبرای شروع درس ، با یک مثال مبحث را آغاز می کنیم .می خواهیم 17 شکلات را به بسته های 3 تایی تقسیم کنیم .می بینیم که 4 دسته ی 4 تایی درست می شود و یک ... ...
اگر به یک وب سایت یا فروشگاه رایگان با فضای نامحدود و امکانات فراوان نیاز دارید بی درنگ دکمه زیر را کلیک نمایید.
ایجاد وب سایت یا