TY - JOUR ID - TI - Decision Boundaries in the sense of Naive Bayesian for Multidimensional cases (Naïve Decision Surface Network) حدود القرار بمنظور نظرية ناييف بايزين للحالات متعددة الأبعاد (شبكة ناييف لاسطح القرار) AU - Dhiadeen M. Salih ضياء الدين محمد صالح PY - 2018 VL - 13 IS - 3 SP - 48 EP - 63 JO - Kirkuk Journal of Science مجلة كركوك للعلوم SN - 30054788 30054796 AB - Naive Bayesian classifier is a fundamental statistical method that assents the conditional independence of features values by minimizing the probability errors within the classes. In practice, Naive Bayesian classifier often violated assumptions and is not robust to the noise with multidimensional cases. A useful way to signify classifier is through discriminant functions where the classifier assigns a feature vector to divide the feature space into decision surfaces separated by multidimensional boundaries. In this work, Naïve Decision Surface Network is proposed to build on discriminant quadratic functions that obtained for a multiclass, multi features problems. The action all of covariance, variance and correlation possibilities are addressed. An example is illustrated to demonstrate the computational and analytical simplifications and the results showed less classification rate error.

مصنف نايف بايزيين هو طريقة إحصائية أساسية توثق الاستقلالية المشروطة لقيم السمات وتعدد المصنف الأمثل من خلال تقليل أخطاء الاحتمال داخل التصنيف. في الممارسة العملية، نايف بايزيين غالبا ما تنتهك الافتراضات وليس قوية للضوضاء مع الحالات متعددة الأبعاد. وهناك طريقة مفيدة للدلالة على المصنف هي من خلال وظائف تمييزية حيث يعين المصنف متجه العناصر لتقسيم مساحة العنصر إلى أسطح قرار مفصولة بحدود متعددة الأبعاد. في هذا العمل، نقترح شبكة نايف لسطح القرار لبناء وظائف التربيعية التمييزية التي تم الحصول عليها مشاكل التصنيف لمتعددة الابعاد ومتعددة الميزات. ويتناول العمل التباين وإمكانيات الارتباط التحليلي. تم استخدام مثال يوضح امكانية التصنيف للطريقة المقترحة والنتائج أظهرت معدل خطأ اقل لتحديد الاصناف. ER -