دوره 22، شماره 2 - ( 6-1404 )                   جلد 22 شماره 2 صفحات 138-127 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Nasiri M, Daneshpour N. Presenting a new method for multi label classification based on neural network. JSDP 2025; 22 (2) : 8
URL: http://jsdp.rcisp.ac.ir/article-1-1433-fa.html
نصیری محسن، دانشپور نگین. ارائه روشی جدید برای طبقه‌بندی چندبرچسبی برمبنای شبکه‌های عصبی. پردازش علائم و داده‌ها. 1404; 22 (2) :127-138

URL: http://jsdp.rcisp.ac.ir/article-1-1433-fa.html


دانشگاه تربیت دبیر شهید رجایی
چکیده:   (28 مشاهده)
طبقه­بندی چند برچسبی نوعی از طبقه­بندی می­باشد که در آن نمونه­ها می­توانند صفر، یک یا بیش از یک برچسب داشته باشند. به عبارت دیگر هر نمونه توسط یک مجموعه از برچسب­ها نمایش داده می­شود. با توجه به تحقیقات اخیر، در نظر گرفتن ارتباط بین برچسب­ها نتایج بهتری را حاصل می­کند. در این مقاله برای درنظر گرفتن ارتباط بین برچسب­ها، در مرحله اول از خوشه­بندی k-میانگین با محدودیت استفاده شده است. در مرحله دوم برای هر خوشه یک شبکه­عصبی پرسپترون چندلایه در نظر گرفته شده است. در نهایت با ترکیب برچسب­های پیش­بینی شده توسط طبقه­بند­ها، برچسب­های نهایی به دست می­آید. با توجه به این که تعداد شبکه­های عصبی نسبت به حالت معمول افزایش و به تبع آن زمان آموزش داده­ها بیشتر می­شود، روش جدیدی برای کاهش ابعاد با استفاده از جمع پراکنده به کار برده شده است. با ارزیابی روش پیشنهادی بر روی مجموعه داده­های موجود در مقایسه با روش­های قبل، این نتیجه حاصل شد که روش پیشنهادی در سه  مجموعه داده از نوع متن در بسیاری از معیارها مانند دقت، صحت  و فاصله همینگ در بین الگوریتم­ها، رتبه اول را داشته است.
شماره‌ی مقاله: 8
متن کامل [PDF 1432 kb]   (13 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش داده‌های رقمی
دریافت: 1403/4/24 | پذیرش: 1403/12/25 | انتشار: 1404/6/22 | انتشار الکترونیک: 1404/6/22

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.