استفاده از تئوری بازی در خطی سازی SVM و مقایسه آن با روشهای سنتی SVM
Publish place: 3rd Iran Data Mining Conference
Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 3,111
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IDMC03_090
تاریخ نمایه سازی: 13 دی 1389
Abstract:
یکی از الگوریتم های شناخته شده کلاسبندی مبتنی بر علم امار SVM می باشد که برای حل مسائل دو کلاسه ارایه شده است با توجه به اینکه در محیط و داده های واقعی مساله معمولا چند کلاسه multiclass می باشد روشهای جداسازی چند کلاسه نسبت به باینری اهمیت بسزایی دارد از روشهای مهم کلاسه بندی چند کلاسه به کمک کلاسه کننده های دودویی می توان به One Against One و One Against All اشاره کرد که 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 غیرخطی می نماید که به نوبه خود می تواند باعث افت دقت مدل شود. دراین مقاله برای حل مشکل پیچیدگی مدل و افت دقت حاصل از آن از تئوری بازی استفاده می شود. تئوری بازی قادر خواهد بود مسئله غیرخطی مورد نظر ما را به یک مسئله خطی نگاشت نماید. تئوری بازی ارایه شده با استفاده از دو بازیکن که در مسئله مورد نظر ما هر بازیکن معادل یک برچسب کلاس است ماتریس تصمیم بین آنها و حل معادلات حاصل به کمک برنامه ریزی خطی احتمال داده در هر کلاس را محاسبه می نماید.
Keywords:
Authors
علیرضا نعیمی صدیق
دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه شیراز
ستار هاشمی
استادیار بخش کامپیوتر دانشگاه شیراز
علی حمزه
استادیار بخش کامپیوتر دانشگاه شیراز
اشکان سامی
استادیار دانشگاه شیراز