بهبود صحت طبقه بندي ماشين بردار پشتيبان چندكلاسه فعال با استفاده از اطلاعات ممتاز

تاكنون مدلهاي طبقه بندي زيادي براساس ماشين بردار پشتيبان طراحي شده كه سعي در افزايش كارايي طبقه بندي داشته است. يكي از تحقيقاتي كه در اين زمينه انجام گرفته، استفاده از اطلاعات ممتاز جهت بهبود صحت طبقه بندي مي باشد. در بيشتر تحقيقات انجام شده، فرد خبره اطلاعات ممتاز را مشخص مي كند و براساس آن داده هاي آموزش را به چند گروه تقسيم مي كند. هدف ما، انتخاب خودكار ويژگي حاوي اطلاعات ممتاز و همچنين گروه بندي داده هاي آموزش براساس اطلاعات ممتازي است كه در اين ويژگي وجود دارد تا بتوان از اين گروه بندي در جهت تصحيح تابع تصميم طبقه بند استفاده نمود. سپس با به كارگيري طبقه بند در روش طبقه بندي يكي در مقابل همه ( OAA )، يك طبقه بند چندكلاسه خواهيم داشت. به منظور غلبه بر ناحيه هاي دشوار طبقه بندي OAA و كاهش هزينه برچسب گذاري داده هاي نيمه نظارتي، نمونه هايي كه داراي ارزش بيشتري هستند انتخاب شده و پس از برچسب گذاري به عنوان نمونه هاي آموزش به كار گرفته خواهند شد. به اين صورت يك طبقه بند چندكلاسه با استفاده از اطلاعات ممتاز و يادگيري فعال ايجاد مي شود. آزمايشات بر روي مجموعه داده هاي پايگاه UCI انجام شده اند. نتايج آزمايشات نشان دهنده برتري روش پيشنهادي نسبت به ساير روشهاي مطرح، از لحاظ صحت طبقه بندي در اين زمينه است.