|
|
|
طبقه بندی سری های زمانی با استفاده از مدل مخلوط گاوسی از فضای فاز بازسازی شدهچکیدهروش های طبقه بندی جدید ارائه شده است که بر مبنای مدل سازی دینامیک سیستم ها می باشد که در مراحل بازسای مورد محاسبه قرار می گیرد. این مدل سازی ها بر مبنای استفاده از مدل ترکیبی کوواریانس گاسیان در ارتباط با حوزه زمانی در مقایسه با فعالیت های کنونی و جاری در طبقه بندی سیگنال ها انجام می گیرد که معمولا تمرکز آن بر روی تجزیه و تحلیل سیستم های خطی با استفاده از محتوای فرکانس و یا مدل های یادگیری ماشینی غیر خطی همانند شبکه های عصبی مصنوعی می باشد. روش های مطرح شده دارای مبناهای نظری قوی می باشند که بر اساس سیستم های دینامیکی و برهان های توپولوژیکی می باشند که منجر به بازسازی سیگنالی می گردند و برای اینکه در ارتباط با این سیستم باشند دارای پارامترهای انتخابی مناسبی می باشند. این الگوریتم ها به طور اتوماتیک این پارامترها را ارزیابی کرده که مراحل بازسازی را به طور مناسبی ایجاد کنند و نیازمند تعدادی از آمیزه ها , سیگنال ها و طبقه بندی ها به عنوان یک طبقه می باشند.سه نوع اطلاعات جداگانه در ارتباط با ارزیابی ها مورد استفاده قرار می گیرند که شامل موتور شبیه ساز , دستگاه ثبت ضربان قلب و امواج گفتار می باشد. نتایج نشان می دهد که روش های مطرح شده در طول این حوزه های مختلف قدرتمند بوده و به طور مهمی شبکه های عصبی بر مبنای وقفه زمانی فعالیت می کنند.شاخص ها- طبقه بندی سیگنال ها , مراحل بازسازی , مدل ترکیبی گاسیان.
:: برچسب‌ها:
مدل ترکیبی گاسیان ,
مراحل بازسازی ,
طبقه بندی سیگنال ها ,
شاخص ها ,
فضای فاز بازسازی شده ,
مدل مخلوط گاوسی ,
طبقه بندی سری های زمانی ,
Series Classification ,
Gaussian Mixture Models ,
Reconstructed Phase Spaces ,
مقاله انگلیسی ریاضی با ترجمه فارسی ,
مقاله انگلیسی ریاضی با ترجمه ,
مقاله انگلیسی ریاضی ,
:: بازدید از این مطلب : 95
|
امتیاز مطلب : 0
|
تعداد امتیازدهندگان : 0
|
مجموع امتیاز : 0
تاریخ انتشار : سه شنبه 27 ارديبهشت 1395 |
نظرات ()
|
|
|
|
|
عضو شوید
عضویت سریع
آمار مطالب
آمار بازدید
