سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

بهینه سازی پارامترهای ماشین بردار پشتیبان مبتنی بر الگوریتم رقابت استعماری

Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,547

This Paper With 6 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

ICS12_150

Index date: 2 August 2014

بهینه سازی پارامترهای ماشین بردار پشتیبان مبتنی بر الگوریتم رقابت استعماری abstract

ماشینهای بردار پشتیبان یک روش دسته بندی معروف و قدرتمند باکاربردهای بسیارمتنوع می باشد. تنظیم بهینه پارامترهای ماشین بردارپشتیبان نقش مهمی در عملکرد و دقت دسته بندی دارد. هدف در این مقاله بدست آوردن مقادیر بهینه پارامترجریمه خطا C و پارامتر تابع هستهYبا بهره مندی از قدرت جستجوی الگوریتم رقابت استعماری می باشد که در این مقاله به آنICA-SVMگفته می شود. الگوریتم رقابت استماری یک الگوریتم بهینه سازی جدید می باشد که از تکامل رفتار اجتماعی و سیاسی کشورها الهام گرفته شده است. به عنوان دو مسئله متداول تشخیص الگو با ابعاد ویژگی « داده های بیماری قلب » و « داده های سرطان سینه » دو مساله دسته بندی متفاوت برای سنجش کارایی دسته بندی کننده پیشنهادی در نظر گرفته شده اند. روش پیشنهادی با روش جستجوی شبکه که ازروشهای متداول جستجو مقادیر پارامترهای ماشین بردار پشتیبان می باشد، روش ژنتیکGA-SVMو روش بهینه سازی گروه ذرات PSO-SVM مقایسه گردیده است. نتایج پیاده سازی ها نشان می دهد که دقت دسته بندی روش پیشنهادی ازروش جستجوی شبکه بهتر و قابل مقایسه و اندکی بهتر از روش ژنتیک وروش بهینه سازی گروه ذرات می باشد

بهینه سازی پارامترهای ماشین بردار پشتیبان مبتنی بر الگوریتم رقابت استعماری Keywords:

بهینه سازی پارامترهای ماشین بردار پشتیبان مبتنی بر الگوریتم رقابت استعماری authors

زهرا عصارزاده

دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر،دانشکده فنی مهندسی، دانشگاه اصفهان، اصفهان

سیدامیرحسن منجمی

گروه مهندسی کامپیوتر،دانشکده فنی مهندسی، دانشگاه اصفهان، اصفهان

پیمان معلم

گروه مهندسی برق،دانشکده فنی مهندسی، دانشگاه اصفهان، اصفهان

سیدمهدی هاشمی

گروه مهندسی برق،دانشکده فنی مهندسی، موسسه آموزش عالی پیام گلپایگان، گلپایگان

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
sequences using geometric deformation features and support vector machines", IEEE ...
feature selection method to the stock trend prediction", Expert Systems ...
tion using codon usage and support vector machines", _ _ ...
squares support vector machines for stock market trend mining", IEEE ...
support vector machines with gaussian kernel", Neural Computation, 15, 1667-1689, ...
Hsu, C. W., Chang, C. C., & Lin, C. J., ...
Ahmadi, M.A. Ebadi, M., Shokrollahi A and Majidi, S.M.J., "Evolving ...
Razmjooy, N., Mousavi, B.S., Soleymani , F., :A hybrid neural ...
Khorani, V., Razavi, F., Disfani, V.R., _ Mathematicat Model for ...
Burgers, C.J.C, "A tutorial on support vector machines for pattern ...
Huang, C.L., Chen, M.C, Wang, C.J., "Credit scoring with a ...
SchOTlkopf, B., Smola, A.J, "Learning with kernels ", London: MIT, ...
nature of statistical learning theory", The:ه [1] Vapnik, V.N., New ...
Liao, Y. , Fang, S.C., Nuttle, H. L. W, A ...
Kotsi, I., Pitas, I., "Facial expression recognition in image sequences ...
Lin, H.-T., Li. C.-J., _ study on sigmoid kernels for ...
Lee, M.C., "Using support vector machine with a hybrid feature ...
Ma, J., Nguyen, M.N., Rajapakse, J.C., "Gene classifica- tion using ...
Melgani, F., Bazi, _ "Classification of electrocardiog- ram signals with ...
Mu'ller, K.R., Mike, S., Ractsch, G., Tsuda, K., Scho:1kopf, B., ...
At ashpaz-Gargari , E., Lucas, C., "Imperialist competitive algorithm: An ...
Yu, L., Chen, H., Wang, S., & Lai, K. K., ...
Applications, 7615-7626, 37, 2010. ...
Keerthi, S. S., & Lin, C.-J., "Asymptotic behaviors of support ...
نمایش کامل مراجع

مقاله فارسی "بهینه سازی پارامترهای ماشین بردار پشتیبان مبتنی بر الگوریتم رقابت استعماری" توسط زهرا عصارزاده، دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر،دانشکده فنی مهندسی، دانشگاه اصفهان، اصفهان؛ سیدامیرحسن منجمی، گروه مهندسی کامپیوتر،دانشکده فنی مهندسی، دانشگاه اصفهان، اصفهان؛ پیمان معلم، گروه مهندسی برق،دانشکده فنی مهندسی، دانشگاه اصفهان، اصفهان؛ سیدمهدی هاشمی، گروه مهندسی برق،دانشکده فنی مهندسی، موسسه آموزش عالی پیام گلپایگان، گلپایگان نوشته شده و در سال 1392 پس از تایید کمیته علمی دوازدهمین کنفرانس ملی سیستم های هوشمند ایران پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله الگوریتم رقابت استعماری،ماشین بردار پشتیبان، بهینه سازی پارامتر، تشخیص الگو هستند. این مقاله در تاریخ 11 مرداد 1393 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1547 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که ماشینهای بردار پشتیبان یک روش دسته بندی معروف و قدرتمند باکاربردهای بسیارمتنوع می باشد. تنظیم بهینه پارامترهای ماشین بردارپشتیبان نقش مهمی در عملکرد و دقت دسته بندی دارد. هدف در این مقاله بدست آوردن مقادیر بهینه پارامترجریمه خطا C و پارامتر تابع هستهYبا بهره مندی از قدرت جستجوی الگوریتم رقابت استعماری می باشد که در این مقاله به آنICA-SVMگفته می ... . برای دانلود فایل کامل مقاله بهینه سازی پارامترهای ماشین بردار پشتیبان مبتنی بر الگوریتم رقابت استعماری با 6 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.