سال انتشار: ۱۳۹۴
محل انتشار: اولین همایش منطقه ای یافته های جدید کامپیوتری
تعداد صفحات: ۶
نویسنده(ها):
حمید پروین – عضو هیئت علمی دانشکده مهندسی کامپیوتر دانشگاه آزاد یاسوج
حسین علیزاده – دکتری کامپیوتر دانشکده مهندسی کامپیوتردانشگاه آزاد یاسوج
محسن مشکی – دکتری کامپیوتر دانشکده مهندسی کامپیوتردانشگاه آزاد یاسوج
علی نوذری – کارشناسی ارشد دانشکده مهندسی کامپیوتردانشگاه آزاد یاسوج

چکیده:
در این مقاله، یک روش ترکیبی جدید، برای بهبود نرخ بازشناسی دسته بندهای چنددسته ای پیشنهاد شده است. ایده اصلی در این روش استفاده از دسته بندهای دو دسته ای است. به خاطر دقت بالاتر این نوع دسته بندها نسبت به دسته بندهای چند دسته ای، استفاده از آنها در ترکیب منجر به کاهش خطا در نواحی پر خطا از فضای ویژگی می شود. در روش پیشنهادی، ابتدا یک دسته بند چند دسته ای آموزش داده می شود و ماتریس تداخل مربوط به آن محاسبه می شود. سپس، جفت دسته هایی که با توجه به ماتریس تداخل و داده های ارزیابی، بیشترین خطا را دارند، مشخص می شوند. برای افزایش دقت در تشخیص آنها از یکدیگر، تعدادی دسته بند دوتایی به سیستم افزوده می شود. در نهایت از رای گیری وزن دار برای ترکیب نتایج استفاده می شود. در این روش، از شبکه های عصبی به عنوان دسته بند اولیه استفاده شده است. تعیین وزن ها در رده بند نهایی با الگوریتم ژنتیک انجام می شود. نتایج روش پیشنهادی ، روی یک مجموعه داده از ارقام دستنویس فارسی، مورد ارزیابی قرار گرفته است. با استفاده از روش پیشنهادی، نرخ بازشناسی دسته بند منفرد اولیه از ۹۷٫۸۳ به ۹۸٫۸۹ افزایش پیدا کرد، که بهبود قابل توجهی را نشان می دهد