بهبود فرانمونه‌برداري به‌منظور افزايش دقت‌ طبقه‌بندي داده‌هاي نا‌متوازن

اصفهان : دانشگاه صنعتي اصفهان

مهندسي كامپويتر

كارشناسي ارشد

در اين پايان‌نامه به مسئله‌اي كمتر مورد توجه قرار گرفته در حوزه‌ي يادگيري ماشين، يعني نواحي ناشناخته در مجموعه‌داده‌هاي نامتوازن پرداخته مي‌شود. مجموعه‌داده‌ي نامتوازن، مجموعه‌اي است كه در آن توزيع نمونه‌ها ميان كلاس‌ها نامتقارن بوده و يك يا چند كلاس داراي تعداد نمونه‌هاي به‌مراتب كمتري نسبت به ساير كلاس‌ها هستند. در چنين مجموعه‌داده‌هايي، نواحي ناشناخته يعني نواحي‌اي از فضاي ويژگي كه تعداد نمونه‌هاي آموزشي در آن بسيار اندك يا حتي صفر است اهميت ويژه‌اي پيدا مي‌كنند. مديريت بهينه يا توليد هدفمند نمونه‌هاي مصنوعي در اين نواحي مي‌تواند نقش مؤثري در بهبود عملكرد مدل‌هاي يادگيري ماشين در شناسايي كلاس‌هاي كم‌نمونه ايفا كند. در اين راستا، در اين پژوهش دو الگوريتم جديد با عنوان‌هاي فرا‌نمونه‌برداري ابرسيلندري و K-Dim Classifier معرفي مي‌شوند. الگوريتم نخست، با رسم ابرسيلندرهايي ميان خوشه‌هاي شناخته‌شده در فضاي ويژگي، مي‌كوشد نواحي ناشناخته را پوشش داده و از طريق توليد نمونه‌هاي مصنوعي درون اين ابرسيلندرها، كارايي مدل‌هاي يادگيري ماشين را در شناسايي كلاس‌هاي كم‌نمونه افزايش دهد. اين روش به‌ويژه براي مسائل دو‌كلاسه كارايي مناسبي از خود نشان داده است. الگوريتم دوم، يعني K-Dim Classifier، كه طبقه‌بندي شامل دو زيرشبكه‌ي طبقه‌بند و رمزگذار است بر پايه‌ي افزايش ابعاد فضاي ويژگي طراحي شده است تا بتواند نواحي ناشناخته در فضاي جديد را به‌شكل مؤثرتري مديريت كند. در اين الگوريتم، زيرشبكه‌ي رمزگذار نواحي ناشناخته را با توجه به شباهت به يكي از كلاس‌ها، در فضاي افزايش‌يافته به آن كلاس نزديك‌تر مي‌كند و به اين ترتيب امكان مديريت هوشمندانه‌تر و دقيق‌تر اين نواحي فراهم مي‌گردد. افزون بر اين، زيرشبكه‌ي طبقه‌بند در الگوريتم K-Dim Classifier به كمك تركيب ويژگي‌هاي اوليه و ويژگي‌هاي استخراج شده توسط رمزگذار آموزش مي‌بيند تا هم اطلاعات بيشتري در اختيار مدل قرار گيرد و هم مدل بتواند در اين فضاي جديد ميان نمونه‌هاي واقعي و مصنوعي تمايز قائل شده و بدين‌وسيله نقش نمونه‌هاي واقعي در تعيين مرز تصميم را تقويت كند. نتايج ارزيابي‌هاي انجام‌شده بر روي مجموعه‌داده‌هاي مختلف نشان مي‌دهد كه روش ابرسيلندري در بهبود شناسايي كلاس‌هاي كم‌نمونه در نواحي ناشناخته مؤثر بوده و موجب تغيير مرز تصميم به نفع اين كلاس‌ها مي‌شود. همچنين، الگوريتم K-Dim Classifier در مقايسه با روش‌هاي متداول طبقه‌بندي از جمله شبكه‌ي طبقه‌بند ساده، Random Forest، XGBoost، Gradient Boosting، AdaBoost ، و SVM با كرنل RBF عملكرد مطلوب‌تري در شناسايي نمونه‌هاي كلاس كم‌نمونه از خود نشان داده است.

237383

هوش مصنوعي و رباتيك

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان