طبقه بندی احتمالی از طریق برآورد چگالی با استفاده از مدل آمیخته گاوسی و جریان اتورگرسیو ماسک شده

چکیده مقاله

برآورد چگالی که توزیع داده ها را برآورد می کند، یکی از مباحث مهم در یادگیری ماشین احتمالاتی است مدل های آمیخته مانند مدل آمیخته گاوسی GMM بیشینه سازی انتظار یکی از خانواده های از برآورد گرهای چگالی، محسوب می شوند مدل های مولد یکی دیگر از خانواده های برآوردگرهای چگالی هستند که داده ها را از روی متغیرهای پنهان ورودی تولید می کنند جریان اتورگرسیو ماسک شده MAF یکی از مدل های مولد است که از روش جریان های نرمال سازی و شبکه های اتورگرسیو، استفاده می کند در این مقاله، از برآوردگرهای چگالی برای طبقه بندی استفاده شده است؛ اگرچه آن ها اغلب برای برآورد توزیع داده ها به کار برده می شوند همچنین احتمال طبقه بندی داده ها توسط برآورد چگالی به ویژه با استفاده از GMM و MAF مدل سازی می شوند طبقه بندی کننده های پیشنهادی در مقایسه با طبقه بندی کننده های ساده تر مانند تحلیل تفکیک کننده خطی LDA که احتمال را تنها با استفاده از یک توزیع گاوسی مدل می کنند، دارای عملکرد بهتری هستند این مطالعه یک مسیری را برای پژوهش های بعدی باز می کند تا دیگر انواع طبقه بندی کننده های احتمالاتی براساس برآورد چگالی توام نیز مطرح شوند

کلیدواژه‌ها

نویسندگان

حمزه ترابی

استاد گروه آمار، دانشگاه یزد؛

آسیه مقامی مهر

دانشجو گروه آمار ، دانشگاه یزد؛

�رابی، حمزه و مقامی مهر، آسیه،1402،طبقه بندی احتمالی از طریق برآورد چگالی با استفاده از مدل آمیخته گاوسی و جریان اتورگرسیو ماسک شده،پنجمین کنفرانس بین المللی محاسبات نرم،رودسر

ارائه‌شده در

مجموعه مقالات پنجمین کنفرانس بین المللی محاسبات نرم16 اسفند 1402 · رودسر