دانش رسان |
مرکز علم و دانش کشور دسته بندی نیمه نظارتی مبتنی بر منیفلد با بهره گیری از رفتار لاپلاسین تابع جهت تمایز نقاط داخلی
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
دسته بندی نیمه نظارتی مبتنی بر منیفلد با بهره گیری از رفتار لاپلاسین تابع جهت تمایز نقاط داخلی دارای ۹ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد دسته بندی نیمه نظارتی مبتنی بر منیفلد با بهره گیری از رفتار لاپلاسین تابع جهت تمایز نقاط داخلی کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی دسته بندی نیمه نظارتی مبتنی بر منیفلد با بهره گیری از رفتار لاپلاسین تابع جهت تمایز نقاط داخلی،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن دسته بندی نیمه نظارتی مبتنی بر منیفلد با بهره گیری از رفتار لاپلاسین تابع جهت تمایز نقاط داخلی :
تعداد صفحات :۹
چکیده مقاله:
دسته بندی نیمه نظارتی مبتنی بر منیفلد در سال های اخیر مورد توجه بسیاری از پژوهشگران واقع شده است. رویکرد های موجود از فاصله اقلیدسی به صورت محلی برای تقریب فاصله روی منیفلدها و اعمال فرض هموار بودن روی منیفلد استفاده می کنند. در فضایی که چند منیفلد با یکدیگر اشتراک دارند این تقریب در نواحی اشتراک صحیح نبوده و باعث انتشار اشتباه برچسب ها می شود. در این مقاله الگوریتمی بر مبنای تفکیک نقاط داخلی منیفلد از سایر نقاط جهت دسته بندی نیمه نظارتی روی منیفلدهای متقاطع جهت یادگیری دسته بند مبتنی بر اتصالات مطمین تر در گراف ارایه کننده ی داده پیشنهاد شده است. تفکیک نقاط داخلی از سایر نقاط بر مبنای رفتار متمایز لاپلاسین تابع هموار روی هر منیفلد در نقاط داخلی نسبت به سایر نقاط صورت می گیرد. الگوریتم پیشنهادی وزن یال های گراف ارایه کننده ی منیفلد را جهت انتشار برچسب اصلاح می کند. در مقایسه با رویکردهای دسته بندی نیمه نظارتی روی چند منیفلد، رویکرد پیشنهادی فرض مشخص بودن ابعاد ذاتی منیفلدها را نداشته، نیاز به تعداد خیلی زیاد داده های بدون برچسب ندارد، همچنین خصوصیات همسایگی مشابه به تمام همسایگی ها نسبت نمی دهد. آزمایش ها روی مجموعه داده های مصنوعی و واقعی نشان دهنده-ی دقت خوب روش پیشنهادی نسبت به روش های مشابه است.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
