Öz
Classification learning is an important research
topic in machine learning and data mining
disciplines. In our study, CUFP (Classification
by Using Feature Projections), a feature
projections-based incremental classificationlearning
algorithm, was developed. The training
phase of CUFP determines points and the
distribution of the training instances at each
point to the classes in the case of nominal feature
projections. For linear feature projections,
gaussian probability density functions are
constructed for each class. In the classification
phase, each feature projection distributes votes
among classes. The vote vectors of features are
evaluated according to some vote evaluation strategies and the query instance’s class is
predicted.
Öz
Sınıflandırma öğrenilmesi makine öğrenmesi ve veri tabanı madenciliği disiplinlerinde önemli bir araştırma konusudur. Bu çalışmada ÖİKS (Öznitelik İzdüşümü Kullanılarak Sınıflandırma) öznitelik izdüşümü tabanlı, artımlı biçimde sınıflandırma öğrenen bir algoritma geliştirilmiştir. Algoritmanın öğretme bölümünde nominal öznitelikler için noktalar ve her bir noktaya düşen öğretme örneklerinin sınıflara dağılımı belirlenir. Nümerik özniteliklerde ise her bir sınıf için gaussian olasılık yoğunluğu fonksiyonları oluşturulur. Algoritmanın sorgulama (test) bölümünde ise her bir öznitelik izdüşümü oyunu sınıflar arasında bölüştürür. Özniteliklerin oy vektörleri belirli oy değerlendirme şekillerine göre kullanılıp, sorgu örneğinin sınıfı tahmin edilmeye çalışılır.
Ayrıntılar
| Diğer ID | JA37GA58RB |
|---|---|
| Bölüm | Makaleler(Araştırma) |
| Yazarlar | |
| Yayımlanma Tarihi | 24 Haziran 2016 |
| Yayımlandığı Sayı | Yıl 2005 Cilt: 1 Sayı: 1 - Cilt: 1 Sayı: 1 |
Kaynak Göster
https://i.creativecommons.org/l/by-nc/4.0Makale Kabulü | |
Çevrimiçi makale yüklemesi yapmak için kullanıcı kayıt/girişini kullanınız. Dergiye gönderilen makalelerin kabul süreci şu aşamalardan oluşmaktadır: 1. Gönderilen her makale ilk aşamada en az iki hakeme gönderilmektedir. 2. Hakem ataması, dergi editörleri tarafından yapılmaktadır. Derginin hakem havuzunda yaklaşık 200 hakem bulunmaktadır ve bu hakemler ilgi alanlarına göre sınıflandırılmıştır. Her hakeme ilgilendiği konuda makale gönderilmektedir. Hakem seçimi menfaat çatışmasına neden olmayacak biçimde yapılmaktadır. 3. Hakemlere gönderilen makalelerde yazar adları kapatılmaktadır. 4. Hakemlere bir makalenin nasıl değerlendirileceği açıklanmaktadır ve aşağıda görülen değerlendirme formunu doldurmaları istenmektedir. 5. İki hakemin olumlu görüş bildirdiği makaleler editörler tarafından benzerlik incelemesinden geçirilir. Makalelerdeki benzerliğin %25’ten küçük olması beklenir. 6. Tüm aşamaları geçmiş olan bir bildiri dil ve sunuş açısından editör tarafından incelenir ve gerekli düzeltme ve iyileştirmeler yapılır. Gerekirse yazarlara durum bildirilir.
|
