Abstract
تصنيف البيانات هو مهمة أساسية في تعلم الآلة وتحليل البيانات، وله تطبيقات في العديد من المجالات. في الواقع، غالبًا ما تنشأ حالة عدم اليقين بسبب الميزات ضعيفة التمييز، القيم المفقودة، تحول التوزيع، عدم توازن الفئات، مساحات التسمية غير المتناسقة، وتداخل الفئات. الطرق التقليدية للتصنيف، التي تعتمد عادة على الأطر الاحتمالية، قد لا تمثل هذا عدم اليقين صراحةً أو تقلله. نظرية الأدلة (ET)، المعروفة أيضًا بنظرية دمبستر-شافير، توفر إطارًا مرنًا لنمذجة عدم اليقين وعدم الدقة من خلال تعيينات المعتقد الأساسية وقاعدة دمج الأدلة، وقد جذبت اهتمامًا متزايدًا في مجال تصنيف البيانات. بناءً عليه، أصبح التصنيف القائم على ET (DCET) موضوعًا بحثيًا نشطًا. تقدم هذه الورقة مسحًا شاملاً لـ DCET، تصنف منهجيات DCET بشكل منهجي حسب السيناريوهات القائمة على عدم اليقين الخاصة بالميزات والتسميات. نراجع أولاً أساسيات ET ونلخص مصنف الجار الأقرب الأدلي K ونظراءه. ثم نستعرض طرق التصنيف القائمة على ET للبيانات الجدولية تحت ستة سيناريوهات رئيسية لعدم اليقين: الميزات عالية الأبعاد، القيم الصفة المفقودة، تحول توزيع الميزات، توزيع التسميات غير المتوازن، مساحات التسميات غير المتناسقة، وتداخل الفئات. بعد ذلك، نراجع طرق ET لتصنيف الصور (غير المنظمة)، مع تسليط الضوء على دمج ET مع الشبكات العصبية العميقة. نلخص أيضًا التطبيقات التمثيلية، بما في ذلك التعرف على النشاط البشري، تجزئة الصور الطبية، تصنيف صور الاستشعار عن بعد، واكتشاف التغير في صور الاستشعار عن بعد. وأخيرًا، نناقش اتجاهات الأبحاث المستقبلية لـ DCET.
Keywords
نظرية الأدلة;تصنيف البيانات غير المؤكد;وظائف الاعتقاد;الاستدلال الأدلي;نظرية دمبستر-شافير;دمج المعلومات متعددة المصادر
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website