CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

طبقه بندی داده های نامتعادل اعتباری با استفاده از الگوریتم هایDBN و SVM

عنوان مقاله: طبقه بندی داده های نامتعادل اعتباری با استفاده از الگوریتم هایDBN و SVM
شناسه ملی مقاله: ELCM04_052
منتشر شده در چهارمین کنفرانس بین المللی مهندسی برق، کامپیوتر و مکانیک در سال 1400
مشخصات نویسندگان مقاله:

صدف السادات ضیاء - دانشجوی ارشد مهندسی نرم افزار- دانشگاه پیام نور شهر ری
آرش قربان نیا دلاور - دکتری کامپیوتر- عضو هیات علمی دانشگاه پیام نور تهران شمال
بهناز حسن بیگی - دانشجوی ارشد مهندسی نرم افزار- دانشگاه پیام نور شهر ری

خلاصه مقاله:
مسئله مهم در طبقه بندی داده ها در SVM نقش مهمی برای افزایش دقت داریم. به همین منظور ما روشی برای طبقه بندی داده های نامتعادل اعتباری با استفاده از DBN-SVM ارائه خواهیم داد. با مطالعه موردی بر روی روشهای DBN و SVM داده های نامتعادل مورد توجه قرار نگرفته و همچنین افزونگی و داده های تکراری نیز در این روشها وجود داشته است. ما میخواهیم موارد فوق را کاهش داده و در نهایت میزان وزن دقت داده ها را برای طبقه بندی داده های نامتعادل اعتباری را افزایش دهیم .

کلمات کلیدی:
ماشین بردار پشتیبان ، شبکه باور عمیق ، داده های نامتعادل اعتباری ، داده های نامتعادل،SVM،DBN ، Support vector machine ، Deep belief network،دقت،accuracy

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1271599/