یک الگوریتم مبتنی بر k نزدیک ترین همسایه برای دسته بندی چند برچسبی

یک الگوریتم مبتنی بر k نزدیک ترین همسایه برای دسته بندی چند برچسبی

ارسلان دژکام1

1) عضو هیأت علمی دانشگاه دریانوردی و علوم دریایی چابهار، چابهار، ایران.

کد IOI مقاله : XYCC-ABFAH
محل انتشار : کنفرانس بین المللی علوم و مهندسی(icesconf.com)
چکیده :
    در این پژوهش تلاش شده است تا الگوریتمی مبتنی بر k نزدیک‌ترین همسایه برای دسته‌بندی چند برچسبی ارائه شود. ابتدا مروری خواهد شد بر یادگیری چند برچسبی (Multi-Label Learning) و این‌که چرا به این دسته از الگوریتم‌های یادگیری نیاز وجود دارد. همچنین مثال‌هایی از مسائلی که با استفاده از این نوع یادگیری و دسته‌بندی حل می‌شوند ذکر خواهد شد. در ادامه‌ی بحث الگوریتم اصلی این مقاله توضیح داده خواهد شد. این الگوریتم با نام اختصاری ML-kNN نام‌گذاری شده است و به معنای k نزدیک‌ترین همسایه‌ی چند برچسبی (Multi-Label k-Nearest Neighbor) می‌باشد. سپس آزمایشات حاصل از اجرای این الگوریتم و مقایسه‌ی آن با سایر الگوریتم‌های موجود در زمینه‌ی دسته‌بندی داده‌های چند برچسبی مورد بررسی قرار می‌گیرد و در انتها نیز نتایج حاصل بیان خواهد شد.

کلمات کلیدی : یادگیری چند برچسبی maximum aposteriori الگوریتم دیرپاسخ دسته‌بندی