تحلیل ماشین بردار پشتیبان و توابع کرنل در مسائل دسته بندی
Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 4,895
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ABHARICT01_087
تاریخ نمایه سازی: 5 مهر 1393
Abstract:
در مسائل دسته بندی استفاده از بردارهای پشتیبان خطی (SVM)، رویکردی است که مورد توجه بسیاری قرار گرفته است. با انتخاب مرز تصمیم گیری (Decision Bondry) مناسب، باعث می شود شرایط نویزی را بخوبی تحمل کند و پاسخ دهی خوبی داشته باشد. این ن حوه انتخاب مرز بر اساس نقاطی به نام بردارهای پشتیبان انجام می شود. اگر داده ها بطور خطی جدا شوند، ابر صفحه جداکننده ای می تواند پیدا شود که د اده ها را از هم جدا نماید. صفحه ای که بیشترین (Margin) حاشیه با داده ها داشته باشد، بهترین انتخاب است. در واقع SVM دسته بندی کننده ای است که بهترین (hyperplane) ابرصفحه را پیدا می کند. اگر داده ها بطور خطی جداپذیر نباشند، کرنل trick مورد استفاده قرار می گیرد.
Keywords:
Authors
شیما انوری
دانشجوی کارشناسی ارشد مهندسی کامپیوتر نرم افزار دانشگاه آزاد زنجان
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 :