Warning: Declaration of tie_mega_menu_walker::start_el(&$output, $item, $depth, $args, $id = 0) should be compatible with Walker_Nav_Menu::start_el(&$output, $data_object, $depth = 0, $args = NULL, $current_object_id = 0) in /home/tnt3ir/domains/tnt3.ir/public_html/wp-content/themes/sahifa-wpcity/functions/theme-functions.php on line 1962
دوستان عزیز برای پیدا کردن سریع مطالب مورد نظر خود، می توانید از قسمت جستجوی سریع در سایت، یک یا چند کلمه کلیدی مورد نظر خود را جستجو نمایید.
یا اینکه بر روی دو آیکون سبز رنگ "طبقه بندی موضوعات" یا "جستجوی کلمات کلیدی" در سمت راست و چپ موجود در بالای سایت کلیک نمایید...
در صورت بروز مشکل در پرداخت الکترونیکی؛ میتونید ایمیلی ، پیامکی، تلفنی یا تلگرامی بگید تا فایلتون براتون ارسال بشه.
دسته کننده K نزديکترين مجاور | تعاونی نیرومندسازی تحقیقات
طبقه بندی موضوعات
جستجوی کلمات کلیدی
شنبه , 12 اکتبر 2024
آخرین مطالب
خانه -> پردازش متن -> دسته بندی متون -> دسته کننده K نزديکترين مجاور یا KNN

دسته کننده K نزديکترين مجاور یا KNN

دسته‌بندي متن شامل نسبت دادن اسناد به يکي از چند گروه از پيش تعيين شده است. براي نايل شدن به اين هدف اسناد ورودي توسط يک مجموعه از مشخصات[1] که معمولاً خصوصيات[2] ناميده مي‌شود توصيف مي‌شوند. برخلاف خوشه‌بندي[3] که شامل آموزش بدون نظارت است، در دسته‌بندي يک مجموعه آموزشي از داده‌ها با برچسب‌گذاري قبلي نياز است (يادگيري ماشين نظارتي). هدف دسته‌بندي تحليل داده هاي ورودي و ايجاد يک مدل دقيق براي هر دسته با استفاده از اين خصوصيات است. اسناد جديد در داخل يکي از اين دسته‌ها دسته‌بندي مي‌شوند.

در مسأله دسته‌بندي متن، مشخصات کلماتي هستند که درون اسناد متني قرار دارند. در بسياري از موارد قبل از يادگيري ماشين انتخاب خصوصيت[4] صورت مي‌گيرد تا فضاي خصوصيات[5] را کاهش دهد.

در دسته بندي هدف بدست آوردن  يک تابع  نگاشت بين اسناد و مجموعه کلاس ها يا گروه ها به  وسيله يک سري سند که به آنها مجموعه آموزشي[6]مي‌گويند، مي‌باشد. که از اين تابع نگاشت براي تعيين خودکار گروه سند جديد استفاده مي‌شود. توجه شود که در هنگام توليد تابع نگاشت مجموعه اسناد برچسب خورده هستند يعني گروه هر يک از اسناد مشخص شده است و به وسيله اين اسناد براي هر گروه يک سري ويژگي وصفات منحصر به فرد استخراج مي‌کنيم.

 

یک فایل فشرده حاوی دو فایل:فایل ورد
۱. مطالب بسیار فنی در مورد  دسته بندی متن با استفاده از درخت تصمیم
نوع فایل:  Microsft word Office
تعداد صفحات: 10
حجم: 225 KB
به همراه کد کامل پیاده سازی الگوریتم به زبان جاوا

 

مراحل مختلف دسته بندي بصورت زير است:

  1. پردازش مجموعه داده ها؛ در اين مرحله اسناد بررسي شده، قابليتها استخراج وکلمات غير ضروريحذف مي‌شوند. يک بردار[7] براي نمايش متن ايجاد و مقدار دهي مي‌شود. در اين مرحله داده ها ممکن است به دو قسمت تقسيم شوند.
    • مجموعه آموزشي : اين قسمت از داده ها براي ايجاد يک مدل بکار مي‌رود.
    • مجموعه آزمايشي[8]: اين قسمت براي تست مدل بکار مي‌رود.

 

  1. ساختن مدل؛ اين مرحله را آموزش واقعي مي‌گويند که از يک الگوريتم يادگيري[9] استفاده مي‌کند. اين مرحله خود ممکن است چندين تکرار وچندين زير مرحله داشته باشد.
  • انتخاب خصوصيت
  • اجراي يک الگوريتم يادگيري
  • اعتبار سنجي مدل

 

  1. بکار بردن مدل براي مشخص کردن کلاس يک سند جديد.

 

[1]attributes

[2]features

[3]clustering

[4]Feature selection

[5]feature space

[6]Train Set

[7]Vector

[8]Testing Set

[9]Learning

 

فهرست مطالب

1-دسته بندي 3
1-1مقدمه 3
1-2دسته‌کننده هاي فاصله کمينه 5
2-2-1دسته‌کننده k نزديکترين مجاور(k-NN) 7
1-3پياده سازي نرم افزاري 9

 

کاربر گرامی

برای دانلود فایل های مورد نظرتان بایستی بر روی دکمه "افزودن به سبد خرید" کلیک نمایید .

پس از چند ثانیه ، فایل مورد نظر شما به سبد خریدتان اضافه گردیده و این دکمه تبدیل به دکمه "پرداخت" خواهد شد.

با کلیلک بر روی دکمه "پرداخت" ، وارد صفحه پرداخت خواهید شد .

با وارد کردن اطلاعات و ایمیل خود ، فایل مورد نظر به ایمیل شما ارسال گردیده و همچنین لینک دانلود فایل بلافاصله برایتان به نمایش درخواهد آمد.

– قابل پرداخت با تمام کارتهای بانکی + رمز دوم

– پشتیبانی سایت ۰۹۳۵۹۵۲۹۰۵۸ – Info@tnt3.ir – universitydatainfo@yahoo.com




سفارش ترجمه متون عمومی و تخصصیفروشگاه اینترنتی کتاب - خرید آنلاین کتاب - دانلود کتاب الکترونیکی
لیست محصولات مورخ 1399/09/27