Please use this identifier to cite or link to this item: http://hdl.handle.net/10889/1283
Title: Μη γραμμική επέκταση διανύσματος προτύπων με τεχνικές γενετικού προγραμματισμού
Authors: Παππάς, Κυριάκος
Issue Date: 2009-01-22T08:05:42Z
Keywords: Διανύσματα προτύπων
Γενετικός προγραμματισμός
Keywords (translated): Standards vectors
Genetic programming
Abstract: Το διάνυσμα προτύπων αποτελεί σύνθεση ενός συνόλου χαρακτηριστικών γνωρισμάτων και ταξινομείται σε δύο κατηγορίες: τα αρχικά χαρακτηριστικά γνωρίσματα και ένα σύνολο μη γραμμικών προβολών των αρχικών χαρακτηριστικών γνωρισμάτων. Στην ταξινόμηση, η κατασκευή χαρακτηριστικών γνωρισμάτων είναι ένα βήμα προ-επεξεργασίας στο οποίο ένα ή περισσότερα γνωρίσματα κατασκευάζονται από ένα αρχικό σύνολο. Ο αριθμός και ο τύπος των χαρακτηριστικών γνωρισμάτων είναι κρίσιμα για την ακρίβεια ταξινόμησης και την υπολογιστική πολυπλοκότητα. Καθώς ο αριθμός των χαρακτηριστικών γνωρισμάτων αυξάνει, απαιτούνται πρόσθετα παραδείγματα για να ολοκληρώσουν μια αξιόπιστη διαδικασία κατάρτισης, επιτρέποντας περισσότερες δυνατότητες αξιόπιστης γενίκευσης χωρίς υπέρ-εκπαίδευση αποτελεσμάτων. Σε αυτή τη διπλωματική εργασία εξετάζουμε και αναλύουμε τη χρήση του Γενετικού προγραμματισμού για την προ-επεξεργασία δεδομένων έτσι ώστε να κατασκευάσουμε μη γραμμικά, ιδιαίτερα προφητικά, χαρακτηριστικά γνωρίσματα από τα αρχικά. Για το σκοπό αυτό χρησιμοποιούμε γενετικούς αλγορίθμους και συγκεκριμένα τον C4.5 αλγόριθμο εκμάθησης δέντρων απόφασης, τον G-Net, ένα διανεμημένο εξελικτικό αλγόριθμο ικανό να συμπεράνει τους ταξινομητές από τα προ-συγκεντρωμένα στοιχεία καθώς και τη μέθοδο που βασίζεται στο συνδυασμό της καθιερωμένης τεχνικής της γραμματικής εξέλιξης και των τεχνητών νευρικών δικτύων. Εφαρμόζοντας τον γενετικό προγραμματισμό σε διάφορα σύνολα δεδομένων ταξινόμησης επιτυγχάνουμε μεγαλύτερη ακρίβεια ταξινόμησης. Όλοι οι αλγόριθμοι που χρησιμοποιήθηκαν έδωσαν πολύ καλύτερη απόδοση στα σύνολα δεδομένων όταν συμπεριλήφθηκε μια ενιαία εξελιγμένη μεταβλητή, επιλύοντας προβλήματα που βρίσκονται πολύ συχνά στις εφαρμογές υπολογιστών όπως Ιατρική και ελαττωματική διάγνωση, πρόγνωση, αναγνώριση εικόνας, κατηγοριοποίηση κειμένων, προσαρμοστική σκιαγράφηση χρηστών.
Abstract (translated): -
Appears in Collections:Τμήμα Ηλεκτρολ. Μηχαν. και Τεχνολ. Υπολογ. (ΔΕ)

Files in This Item:
File Description SizeFormat 
Nimertis_Pappas.pdf5.04 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.