آمار
| تعداد نشریات | 36 |
| تعداد شماره‌ها | 1,192 |
| تعداد مقالات | 8,579 |
| تعداد مشاهده مقاله | 6,988,717 |
| تعداد دریافت فایل اصل مقاله | 4,032,573 |
طراحی طبقه بندهای شورایی ابتکاری با قابلیت اطمینان بالا | ||
| علوم و فناوریهای پدافند نوین | ||
| مقاله 2، دوره 8، شماره 4 - شماره پیاپی 30، بهمن 1396، صفحه 301-311 اصل مقاله (875.08 K) | ||
| نویسندگان | ||
| زینب خاتون پورطاهری؛ سیدحمید ظهیری* ؛ سیدمحمد رضوی | ||
| دانشگاه بیرجند | ||
| تاریخ دریافت: 10 بهمن 1397، تاریخ بازنگری: 06 مرداد 1403، تاریخ پذیرش: 10 بهمن 1397 | ||
| چکیده | ||
| قابلیت اطمینان در تصمیمسازی یک طبقهبند، گاه از میزان تشخیص صحیح آن مهمتر است. کاربردهای نظامی و امنیتی مصادیق روشنی از اهمیت این عامل است. مثلاً ناتوانی یک سامانه بازشناسی خودکار اهداف رادار در تشخیص انواع هواپیماهای نظامی، خطای آن را زیاد میکند اما تصمیم همین سامانه در خصوص تشخیص اهداف نظامی باید با قابلیت اطمینان حداکثر توأم باشد و هرگز نباید یک هدف غیر نظامی را نظامی تلقی کند. در این مقاله، با استفاده از روشهای ابتکاری چند هدفه، یک طبقهبند شورایی با قابلیت اطمینان بالا معرفی میشود. علاوه بر این، سایز شورا و نرخ خطا نیز کمینه شده است. روشهای مورد استفاده عبارتند از الگوریتمهای بهینهسازی ازدحام ذرات چند هدفه و سامانه صفحات شیب‌دار چند هدفه که روش اخیر برای نخستین بار در طراحی طبقهبندهای شورایی به‌کار گرفته شده است. با توجه به توانایی روشهای مذکور در ارائه جبهه پَرِتو، امکان ایجاد شرایط متنوع و دلخواه کاربر نیز مهیا است. شرایطی که در آن اهمیت هر یک از معیارها قوت و ضعف پیدا میکند. | ||
| کلیدواژه‌ها | ||
| طبقه بندهای شورایی؛ قابلیت اطمینان؛ الگوریتم بهینه سازی سیستم صفحات شیب دار چندهدفه؛ انتخاب طبقه بند | ||
| عنوان مقاله [English] | ||
| Design of Heuristic Ensemble Classifiers with High Reliability | ||
| نویسندگان [English] | ||
| Zeinab Khatoun Pourtaheri؛ Seyed Hamid Zahiri؛ Seyed Mohammad Razavi | ||
| چکیده [English] | ||
| Sometimes, the reliability in decision of a classifier is more important than its recognition rate. Military and security applications are clear examples to show the importance of this measure. For example, the inability of an automatic targets recognition system to distinguish all types of military planes increases its error rate but the decision of this system for recognition of military targets should be accompanied with maximum reliability and never should be considered a civilian as a military target. This paper presents an ensemble classifier with high reliability by using multi-objective heuristic methods. Moreover, ensemble size and error rate have been minimized. Multi-Objective Particle Swarm Optimization Algorithm and Multi-Objective Inclined Planes Optimization Algorithm are the multi-objective heuristic methods which are used in this paper. The recent method is applied to design ensemble classifiers for the first time. Due to the ability of multi-objective heuristic methods in presentation of the Pareto front, it's possible to create various and user-defined conditions; conditions in which the importance of each factor (ensemble size, error rate and reliability) can be strengthened and weakened. | ||
| کلیدواژه‌ها [English] | ||
| Ensemble Classifier, Reliability, Multi-Objective Inclined Planes Optimization Algorithm, Classifier Selection | ||
|
آمار تعداد مشاهده مقاله: 428 تعداد دریافت فایل اصل مقاله: 153 |
||