ارائه یک مدل مبتنی بر خصیصه داده ها برای مساله نیمه نظارتی

چکیده مقاله

امروزه مسئله نیمه نظارتی یک مسئله بسیار پرکاربرد می باشد در زمانهایی که برچسب زدن داده ها کار پر هزینه ای است و همچنین زمانی که داده های برچسب نخورده زیادی وجود دارد، کاربرد فراوانی دارد و روش های زیادی برای آن ارائه شده است در مسئله نیمه نظارتی بعضی از داده ها دارای برچسب و بعضی از داده ها فاقد برچسب می باشند باتوجه به اهمیت این موضوع یک روش ارائه شده است در مسئله نیمه نظارتی بخش عمده ای از داده ها فاقد برچسب و بخش کمی دارای برچسب می باشند، بنابراین روش پیشنهادی این است که از داده های آموزشی استفاده شود تا داده های برچسب دار افزایش یابد بطوری که از روش DBSCAN الهام گرفته و یک ɛ بدست می آوریم برای داده های برچسب دار یک حد فاصل در نظر گرفته شده و آن داده هایی که در این فاصله وجود دارند با داده های برچسب هم برچسب می شوند بدست آوردن بهترین ɛ کار سخت و دشوار می باشد در این پژوهش از طریق خود تطبیقی کردن روش پیشنهادی این مشکل را از بین برده و پیاده سازی انجام شد و با دیتاست های مختلف مقایسه شده است بطور مثال در دیتاست Spambase در الگوریتم SEFR ۶ به دقت ۷۸% رسیده و دو درصد دقت بهتر شده است

کلیدواژه‌ها

نویسندگان

علی رستم پور

کارشناسی ارشد هوش مصنوعی و رباتیک، گروه فنی مهندسی، آموزش عالی روزبهان، دانشگاه غیرانتفاعی، ساری، ایران

راضیه رستم پور

کارشناسی ارشد برنامه ریزی آموزشی، گروه علوم تربیتی، دانشگاه آزاد اسلامی، واحد ساری، ساری، ایران

�ستم پور، علی و رستم پور، راضیه،1403،ارائه یک مدل مبتنی بر خصیصه داده ها برای مساله نیمه نظارتی،سومین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات،مشهد

ارائه‌شده در

مجموعه مقالات سومین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات29 شهریور 1403 · مشهد