An kNN Model-Based Approach and Its Application in Text Categorization

Guo, Ge; Wang, Hui; Bell, David A.; Bi, Yaxin; Greer, Kieran

doi:10.1007/978-3-540-24630-5_69

Cited by 55 publications

(21 citation statements)

References 9 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Neural network adalah satu set unit input/output yang terhubung dimana tiap relasinya memiliki bobot,Selama fase pembelajaran, neural network menyesuaikan bobot sehingga dapat memprediksi class yang benar dari tupple [4]. Neural network dimaksudkan untuk mensimulasikan perilaku sistem biologi susunan syaraf manusia, yang terdiri dari sejumlah besar unit pemroses yang disebut neuron, yang beroperasi secara parallel (Alpayandin, 2010).…”

Section: Artificial Neural Networkunclassified

See 1 more Smart Citation

Analisis Perbandingan Algoritma Classification Untuk Authentication Uang Kertas (Studi Kasus: Banknote Authentication)

Sani

Winarno

Fauziati

2016

JIFO

View full text Add to dashboard Cite

Abstrak PENDAHULUANKemajuan teknologi informasi memberikan pengaruh yang besar terhadap perkembangan kehidupan manusia. Hal tersebut dapat memberikan dampak positif dan negatif terhadap perilaku masyarakat dalam pemanfaatan teknologi informasi. Uang merupakan kebutuhan utama masyarakat sebagai alat pembayaran, baik secara tunai maupun dengan transaksi elektronik. Seiring dengan kemajuan ini, kejahatan yang menggunakan teknologi berkembang. Salah satu kejahatan yang memanfaatkan kemajuan teknologi adalah pembuatan uang palsu.Peredaran uang palsu dari tahun ke tahun terus mengalami peningkatan, dikarenakan banyaknya kebutuhan manusia selain itu mudahnya mendapatkan informasi cara membuat uang palsu di internet, bahkan sulit untuk membedakan antara uang asli dan palsu. Untuk itu, perlu adanya suatu teknologi yang dapat mengetahui dan membedakan uang palsu tersebut. Berbagai macam teknologi yang digunakan, antara lain menggunakan sinar ultraviolet, deteksi tepi dan lain sebagainya. Adapun teknik untuk membedakan uang palsu pada makalah ini yaitu dengan menggunakan algoritma Artificial Neural Network (ANN) dengan pemanfaatan Wavelet Transform tools. Wavelet Transform dapat mengubah sebuah nilai dari data signal yang tidak terlalu merusak data aslinya. Sehingga, apabila dikembalikan akan dapat menemukan data yang hampir sama dengan data aslinya. Pada dasarnya untuk melakukan authentication uang palsu ini menggunakan Matlab, karena diperlukan beberapa macam proses seperti akuisisi gambar, segmentasi dan lain sebagainya dengan pemanfaatan Wavelet transform tools, namun untuk melakukan pengujian data set serta analisis authentication uang palsu yaitu menggunakan beberapa metode classification menggunakan WEKA.

show abstract

Section: Artificial Neural Networkunclassified

“…Susunan syaraf tersebut dipresentasikan dalam neural network berupa graf yang terdiri dari simpul (neuron) yang dihubungkan dengan busur, yang berkorespondensi dengan synapse. Sejak tahun 1950-an, neural network telah digunakan untuk tujuan prediksi,bukan hanya klasifikasi tapi juga regresi dengan atribut target continu [4].…”

Section: Artificial Neural Networkunclassified

Analisis Perbandingan Algoritma Classification Untuk Authentication Uang Kertas (Studi Kasus: Banknote Authentication)

Sani

Winarno

Fauziati

2016

JIFO

View full text Add to dashboard Cite

show abstract

“…As mentioned above, text filtering is one of the applications of text categorization. Text filtering can be considered as a case of single-label TC that is categorizing of incoming documents into two disjoint categories, the relevant and the irrelevant [6,7].…”

Section: Introductionmentioning

confidence: 99%

Classifying Arabic Text Using KNN Classifier

Al-Badarenah¹,

Al-Shawakfa²,

Al-Rababah³

et al. 2016

ijacsa

View full text Add to dashboard Cite

Abstract-With the tremendous amount of electronic documents available, there is a great need to classify documents automatically. Classification is the task of assigning objects (images, text documents, etc.) to one of several predefined categories. The selection of important terms is vital to classifier performance, feature set reduction techniques such as stop word removal, stemming and term threshold were used in this paper. Three term-selection techniques are used on a corpus of 1000 documents that fall in five categories. A comparison study is performed to find the effect of using full-word, stem, and the root term indexing methods. K-nearest -neighbors classifiers used in this study. The averages of all folds for Recall, Precision, Fallout, and Error-Rate were calculated. The results of the experiments carried out on the dataset show the importance of using k-fold testing since it presents the variations of averages of recall, precision, fallout, and error rate for each category over the 10-fold.

show abstract

“…Many algorithms for text categorisation have been proposed in the last decades. Well-known examples are kNN (Guo et al, 2004), Naive Bayes (NB) (Frank and Bouckaert, 2006) and Rocchio Algorithm (Rocchio, 1971). Moreover, many specialised versions of classical Artificial Intelligence techniques, like Artificial Neural Network (ANNs) (Ruiz and Srinivasan, 2002) and Support Vector Machines (SVM) (Chen and Hsieh, 2006) have been proposed.…”

Section: Introductionmentioning

confidence: 99%

Information Retrieval in Medicine - An Extensive Experimental Study

Gatta

Vallati

Bari

et al. 2014

Proceedings of the International Conference on Health Informatics

View full text Add to dashboard Cite

Abstract:The clinical documents stored in a textual and unstructured manner represent a precious source of information that can be gathered by exploiting Information Retrieval techniques. Classification algorithms, and their composition through Ensemble Methods, can be used for organizing this huge amount of data, but are usually tested on standardized corpora, which significantly differ from actual clinical documents that can be found in a modern hospital. In this paper we present the results of a large experimental analysis conducted on 36,000 clinical documents, generated by three different medical Departments. For the sake of this investigation we propose a new classifier, based on the entropy idea, and test four single algorithms and four ensemble methods. The experimental results show the performance of selected approaches in a real-world environment, and highlights the impact of obsolescence on classification.

show abstract

An kNN Model-Based Approach and Its Application in Text Categorization

Cited by 55 publications

References 9 publications

Analisis Perbandingan Algoritma Classification Untuk Authentication Uang Kertas (Studi Kasus: Banknote Authentication)

Analisis Perbandingan Algoritma Classification Untuk Authentication Uang Kertas (Studi Kasus: Banknote Authentication)

Classifying Arabic Text Using KNN Classifier

Information Retrieval in Medicine - An Extensive Experimental Study

Contact Info

Product

Resources

About