طبقه بندی یک طبقه: مطالعه طبقه بندی و بررسی تکنیک ها

قیمت: 38,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

طبقه بندی یک طبقه: مطالعه طبقه بندی و بررسی تکنیک ها

عنوان لاتین

One-Class Classification: Taxonomy of Study and Review of Techniques

الگوریتم یک طبقه طبقه بندی شده (OCC) برای ساخت مدل های طبقه بندی زمانی طراحی می شود که کلاس منفی وجود ندارد، طبقه ضعیف نمونه برداری شده یا به خوبی تعریف نشده است. این وضعیت منحصر به فرد، یادگیری طبقه بندی های کارآمد را با تعریف مرز طبقاتی، فقط با دانش کلاس مثبت محدود می کند. مشکل OCC بر اساس بسیاری از موضوعات تحقیقاتی مانند شناسایی بیرونی / نوآوری و یادگیری مفهومی مورد استفاده قرار گرفته است. در این مقاله ما، یک دید کلی از مساله کلی OCC ارائه شده با ارائه طبقه بندی مطالعه برای مشکلات OCC، که بر اساس در دسترس بودن داده های آموزشی، الگوریتم های استفاده شده و دامنه های کاربردی کاربردی استفاده شده است. ما بیشتر به هر یک از دسته بندی های طبقه بندی پیشنهاد شده می پردازیم و یک بررسی جامع از الگوریتم های OCC، تکنیک ها و متدولوژی ها با تمرکز بر اهمیت، محدودیت ها و کاربردهای آن ارائه می کنیم. ما با بحث در مورد برخی از مشکلات تحقیق باز در زمینه OCC و مقاله ای را برای تحقیقات آینده ارائه می دهیم.

One-class classification (OCC) algorithms aim to build classification models when the negative class is either absent, poorly sampled or not well defined. This unique situation constrains the learning of efficient classifiers by defining class boundary just with the knowledge of positive class. The OCC problem has been considered and applied under many research themes, such as outlier/novelty detection and concept learning. In this paper we present a unified view of the general problem of OCC by presenting a taxonomy of study for OCC problems, which is based on the availability of training data, algorithms used and the application domains applied. We further delve into each of the categories of the proposed taxonomy and present a comprehensive literature review of the OCC algorithms, techniques and methodologies with a focus on their significance, limitations and applications. We conclude our paper by discussing some open research problems in the field of OCC and present our vision for future research.