امروزه در بسیاری از سیستم هایی که عمل طبقه بندی بر روی آن صورت می پذیرد، رقیب تغییراتی را بروی داده ها، به منظور کاهش دقت کلاسه بندی کننده انجام می دهند. مهمترین مثال از این نوع، تشخیص هرزنامه الکترونیکی می باشد. اسپمرها بطور معمول برروی هرزنامه ها تغییراتی را صورت می د چکیده کامل
امروزه در بسیاری از سیستم هایی که عمل طبقه بندی بر روی آن صورت می پذیرد، رقیب تغییراتی را بروی داده ها، به منظور کاهش دقت کلاسه بندی کننده انجام می دهند. مهمترین مثال از این نوع، تشخیص هرزنامه الکترونیکی می باشد. اسپمرها بطور معمول برروی هرزنامه ها تغییراتی را صورت می دهند تا فیلتر، آنها را بصورت نامه های درست تشخیص دهد. در این مقاله رفتار بین رقیب (اسپمرها) و فیلتر هرزنامه (کلاسه بندی کننده) بعنوان دو بازیکن، برای بازی پی در پی بررسی می گردد. در این روش فیلترها با یادگیری رفتار رقیب به وجود هرزنامه پی می برند، رقیب نیز با یادگیری پارامترهای فیلتر به فریب کلاسه بندی کننده می اندیشد. همچنین به کمک الگوریتم استراتژی تکاملی نقطه تعادل بازی را محاسبه می نماییم. نتایج آزمایشات موید این مطلب است که روش پیشنهادی در مقایسه با روشهای دیگر تشخیص هرزنامه به مراتب دقیق تر وکارآمدتر می باشد
پرونده مقاله
در این مقاله، قضیه نقطه ثابت دوتایی را برای نگاشت انقباضی F: X × X → X در فضاهای متریک فازی که دارای یک زیرفضای کامل- F ثابت غیر تهی E هستند، ثابت می کنیم، سپس منحصر به فرد بودن نقطه ثابت دوتایی در E را اثبات می کنیم. اگرچه قضایای نقطه ثابت زیادی در فضای متری چکیده کامل
در این مقاله، قضیه نقطه ثابت دوتایی را برای نگاشت انقباضی F: X × X → X در فضاهای متریک فازی که دارای یک زیرفضای کامل- F ثابت غیر تهی E هستند، ثابت می کنیم، سپس منحصر به فرد بودن نقطه ثابت دوتایی در E را اثبات می کنیم. اگرچه قضایای نقطه ثابت زیادی در فضای متریک فازی وجود دارد، اما قضیه ما نوع جدیدی از این قضایا است، زیرا ثابت میکنیم نقطه ثابت منحصربهفرد در زیرمجموعه کامل F- ثابت E در X است. در نهایت، یک مثال جالب در فضای متریک فازی کامل ارائه میدهیم که در شرایط قضیه ما صدق می کند.
پرونده مقاله
SVM یکی از روشهای معروف کلاس بندی مبتنی بر علم آمار می باشد که برای مسایل دو کلاسه ارایه شده است. با توجه به اینکه در محیط های واقعی، مساله معمولا چند کلاسه (multiclass) می باشد، روشهای جداسازی چند کلاسه نسبت به باینری اهمیت بسزایی دارد. در کلاسه بندی چند کلاسه به کمک ک چکیده کامل
SVM یکی از روشهای معروف کلاس بندی مبتنی بر علم آمار می باشد که برای مسایل دو کلاسه ارایه شده است. با توجه به اینکه در محیط های واقعی، مساله معمولا چند کلاسه (multiclass) می باشد، روشهای جداسازی چند کلاسه نسبت به باینری اهمیت بسزایی دارد. در کلاسه بندی چند کلاسه به کمک کلاسه کننده های دودویی، در صورت انتخاب هسته مناسب برای SVM و تنظیم پارامترهای مربوطه می توان به دقت بالایی دست یافت. این در حالی است که انتخاب هسته مناسب و تنظیم پارامترها مسئله کلاس بندی را غیر خطی می نماید که به نوبه خود می تواند باعث افت دقت مدل شود. در این مقاله برای حل مشکل پیچیدگی مدل و افت دقت حاصل از آن، از تئوری بازی که قادر خواهد بود مسئله غیرخطی مورد نظر ما را به یک مسئله خطی نگاشت نماید، استفاده می شود. تئوری بازی ارایه شده با استفاده از دو بازیکن (که در مسئله مورد نظر ما هر بازیکن معادل یک برچسب کلاس است)، ماتریس تصمیم از دید منطق فازی و حل معادلات حاصل به کمک برنامه ریزی خطی، احتمال داده در هر کلاس را محاسبه می نماید. نتایج آزمایشات موید این مطلب است که مدل پیشنهادی در مقایسه با مدل های دیگر SVM دقت و سرعت قابل قبولی از خود نشان می دهد.
پرونده مقاله