علی قلعه - دانشجوی ارشدهوش مصنوعی دانشگاه آزادقزوین دانشکده برق و کامپیوترقزوین
بابک ناصرشریف - استادیاردانشگاه
سعید مظفری - استادیاردانشگاه

طبقه بندی کننده ماشین بردارپشتیبان امروزه کاربرد زیادی درمسائل شناسایی الگو دارد این روش به دلیل سادگی و کارایی بالا موردتوجه قراردارد همچنین مسئله طبقه بندی خودکارمدولاسیون سیگنال که ازرویکردهای شناسایی الگو می باشد درسالهای اخیر علاوه برکاربردهای نظامی درکاربرد گیرنده های هوشمند و استانداردهی شبکه هی بیسیم بیشتر ازقبل اهمیت پیدا کرده است دراین مقاله سعی درپیاده سازی و مقایسه ملکرد دوروش متفاوت ازماشین بردارپشتیبان چندکلاسی به نام ماشین بردارپشتیبان یک درمقابل چندوماشین بردارپشتیبان دوبه دو روی مدولاسیون های ،64Qam 16Qam ، Qpsk ،Bpsk استاندارد شبکه Wi Fi می باشد برای اینکار ازویژگی کامولنت های مرتبه دوم چهارم و ششم برای اموزش استفاده می کنیم سپس تاثیرهسته های مختلف را دراموزش این طبقه بندی کننده ها مورد ارزیابی قرارمیدهیم به این منظور sVM ها را با نمونه های نویزی شده درکانال AWGN اموزش میدهیم نتایج نشان ازعملکرد بهتر روش ماشین بردارپشتیبان دوبه دوبخصوص درSNR های پایین دارد

طبقه بندی خودکارمدولاسیون ، ماشین بردارپشتیبان یک درمقابل چند ، ماشین بردارپشتیبان دوبه دو ، کامولنت