استفاده از روش های ترکیب تصمیم در بهبود طبقه بندهای سری زمانی

پایان نامه
چکیده

خروجی فرآیندهای دنیای واقعی عموما می توانند به صورت سیگنال در نظر گرفته شوند. توصیف کردن این سیگنال های واقعی در قالب مدل های سیگنال یا سری زمانی مسئله ای است که اخیرا به صورت گسترده ای مورد توجه قرار گرفته است. در این موارد منظور از سری زمانی دنباله ای از داده ها است که در بازه های زمانی یکنواخت به دنبال هم اندازه گیری شده باشد. مدل سازی سری زمانی به دلایل متعدد از اهمیت ویژه ای برخوردار است. از جمله این دلایل می توان به شبیه سازی منبع تولید سیگنال و ایجاد پایه تئوری برای سیستم پردازش سیگنال اشاره کرد. مدل استفاده شده برای این اعمال می تواند از دسته ی مدل های قطعی یا مدل های آماری باشد. در این پایان نامه به منظور مدل سازی و طبقه بندی سری های زمانی از مدل مخفی مارکوف که یک مدل آماری محسوب می شود استفاده شده است. وجود ساختار ریاضی قوی که پایه تئوری بسیاری از کاربردها را فراهم می کند و استفاده ی فراوان آن ها در کاربردهای مهم و گوناگون به خصوص تشخیص صدا از دلایل انتخاب این مدل بوده است. از طرفی ترکیب چند طبقه بند با یکدگیر به عنوان روشی برای بهبود کارایی در مسائل سخت مدتی است که ابداع شده است. در این روش ها چندین طبقه بند ضعیف به منظور ساخت یک طبقه بند قوی با یکدگیر ترکیب می شوند. با وجود اینکه ترکیب طبقه بندها با یکدیگر تاکنون بسیار مورد بررسی قرار گرفته است ترکیب طبقه بندهای مربوط به سری های زمانی به گونه ای که ساختار درونی طبقه بند نهایی ترکیبی از ساختار درونی طبقه بندهای منفرد تشکیل دهنده آن و مختص سری زمانی باشد تا به حال کمتر مورد توجه قرار گرفته است. خوشه بندی نیز نوعی طبقه بندی محسوب می شود که در آن داده ها برچسب ندارند و هدف شناسایی و دسته بندی داده های مشابه با یکدیگر می باشد. به دلیل برچسب دار نبودن داده ها امر خوشه بندی از طبقه بندی دشوارتر خواهد بود. در این پایان نامه ابتدا هدف ساخت مدلی مطلوب برای سری های زمانی با استفاده از مدل مخفی مارکوف بوده است که بتواند داده های مورد نظر را به خوبی توصیف کند و با توجه به معیارهای درنظر گرفته شده نسبت به روش های قبلی بهبود قابل توجهی داشته باشد. در مرحله بعد این شیوه مدل سازی برای طبقه بندی سری های زمانی مورد استفاده قرار گرفته است و با در نظر گرفتن ماهیت مسئله و جداسازی داده های مربوط به دسته های مختلف تا حد ممکن، روشی برای طبقه بندی سری های زمانی با استفاده از مدل مخفی مارکوف ارائه شده است. در مرحله سوم مسئله در نظر گرفته شده خوشه بندی سری های زمانی بوده است. در این مورد با استفاده از مدل مخفی مارکوف و در نظر گرفتن معیارهایی که در تحقیقات قبل برای خوشه بندی سری های زمانی، فارغ از مدل سازی آن ها با مدل مخفی مارکوف، ارائه شده بود روشی جدید برای خوشه بندی سری های زمانی ارائه شده است.

منابع مشابه

بهبود طبقه بندی متن با استفاده از روش های ترکیب

با توجه به گسترش اینترنت و افزایش چشمگیر حجم مطالب متنی، ابزارها و روش های خودکار برای مدیریت اسناد و مطالب متنی، مورد توجه بسیار زیادی قرار گرفته اند. از جمله ی این ابزارها می توان به طبقه بند متن اشاره کرد که می تواند در این زمینه بسیار موثر باشد. این ابزار کاربردهای فراوانی در سیستم های بررسی متون مانند موتورهای جستجو، سیستم های فیلترینگ، تشخیص هرزنامه ها، کتابخانه های دیجیتال و سایر سیستم ه...

15 صفحه اول

واکاوی زمانی بارش سالانه شهر شیراز با استفاده از تحلیل سری های زمانی

بارندگی یکی از عوامل مهم هواشناسی است که مقدار آن به نحو چشمگیری در نقاط مختلف کره زمین تغییر می‌یابد. یکی از روش‌هایی که به کمک آن می توان سیر تحولات بارندگی را درگذشته و حال بررسی نمود، آنالیز روند سری‌های زمانی در مقیاس‌های مختلف زمانی است. در این تحقیق از متوسط بارش سالانه شهر شیراز برای مدل‌سازی و پیش‌بینی با استفاده از تکنیک تحلیل سری‌های زمانی استفاده‌شده است. برای این منظور از ایستگاه س...

متن کامل

تخمین طول دوره بلندمدت در اقتصادهای مختلف با استفاده از روش فیلترهای سری زمانی

با فرض اینکه تنها تعیین‌کننده سطح قیمت‌ها در بلندمدت، حجم پول است می‌توان بلندمدت را دوره‌ای دانست که در آن ارتباط میان پول و قیمت‌ها نزدیک به کامل‌شدن است.در تحقیق حاضر، با توجه به این موضوع به محاسبه طول دوره بلندمدت در اقتصادهای مختلف با استفاده از مباحث فیلترهای سری زمانی و فیلتر کریستیانو- فیتژرالد (2003) پرداخته‌ایم. نتایج بدست آمده به این نکته اشاره دارند که ارتباط خطی میان ترکیبات بلن...

متن کامل

افزایش نرخ کارایی طبقه بندی با استفاده از تجمیع ویژگی های موثر روش های مختلف ترکیب شبکه های عصبی

Both theoretical and experimental studies have shown that combining accurate Neural Networks (NN) in the ensemble with negative error correlation greatly improves their generalization abilities. Negative Correlation Learning (NCL) and Mixture of Experts (ME), two popular combining methods, each employ different special error functions for the simultaneous training of NN experts to produce negat...

متن کامل

بهبود روش های هوشمند عامل ترکیب اطلاعات

مسأله ترکیب اطلاعات که در سطحی فراتر از ترکیب داده ها قرار دارد ، این امکان را فراهم می سازد تا از روی اطلاعاتی که هر یک از زوایای مختلف نسبت به یک موضوع گرد آوری می شوند و آمیخته با عدم قطعیت می باشند،نتیجه ای کاملتر و خالصتر حاصل گردد. امروزه نیاز به سیستم های هوشمندی که قادر باشند تا به صورت فراجویشگر شخصی کاربر اطلاعات مورد نیاز او را از میان حجم عظیم اطلاعات در دسترس تهیه کنند و در اختیار ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده برق و کامپیوتر

کلمات کلیدی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023