چکیده مقاله
این مقاله یک چارچوب نوین را برای تلفیق طرح نمونه گیری بیشینه مجموعه رتبه دار با اندازه های نابرابر MRSSU با الگوریتم برآورد تصادفی به منظور برآورد پارامترها در مدلهای آمیخته متناهی معرفی می کند در این مطالعه عملکرد الگوریتم حالت افزایی برای برآورد حاشیه ای SAME و امیدگیری بیشینه سازی EM تحت رویکرد برآورد ماکسیمم درستنمایی MLE مورد مقایسه قرار می گیرد نتایج شبیه سازی و داده های واقعی نشان می دهد که روش های مبتنی بر MRSSU نسبت به SRS دقت بالاتری دارند و الگوریتم SAME از نظر کارایی عملکرد بهتری نسبت به EM ارائه می کند
کلیدواژهها
رده بندی طبقه بندی موضوعی نمونه گیری بیشینه مجموعه رتبه دار با اندازه های نابرابر حالت افزایی برای برآورد حاشیه ای
نویسندگان
محمد خراسانی
دانشکده مهندسی سیستم های هوشمند و علوم داده، دانشگاه خلیج فارس، بوشهر، ایران
محمد اسماعیل دهقان منفرد
دانشکده مهندسی سیستم های هوشمند و علوم داده، دانشگاه خلیج فارس، بوشهر، ایران
فضل الله لک
دانشکده مهندسی سیستم های هوشمند و علوم داده، دانشگاه خلیج فارس، بوشهر، ایران
شیوه ارجاع
�راسانی، محمد و دهقان منفرد، محمد اسماعیل و لک، فضل الله،1404،برآورد و رده بندی مدلهای آمیخته بر اساس MRSSU،دومین کنفرانس بین المللی دو سالانه پیشرفت ها در هوش مصنوعی و علوم داده،بوشهر
ارائهشده در
همایش «بسیج، پیشرفت و امنیت پایدار در منطقه جنوب شرق کشور»7 بهمن 1404 · تهران