استفاده از خوشه بندی برای بهبود ماشین بردار رگرسیون
Publish place: The Second National Congress of New Technologies of Iran with the aim of achieving sustainable development
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 689
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
SENACONF02_044
Index date: 21 November 2015
استفاده از خوشه بندی برای بهبود ماشین بردار رگرسیون abstract
در روشهای پیش بینی، وجود نمونه های با یاس و وجود آنتروپی در نمونه ها باعث کاهش دقت پیش بینی می شود. با توجه به این مسئله در این مقاله ما روش خوشه بندی براساس یادگیری فعال (CSVR) برای بهبود SVR ارائه داده ایم. در این روش با خوشه بندی بهینه ورودی ها براساس میزان تشابه دادها، تجمع نمونه های آموزشی را پیش بینی کردیم. بطوریکه بوسیله مشخصه چگالی خوشه ها و با ترکیب نمودن پارامترهای مختلف توانستیم، متغییرهای C , که نقش مهمی در دقت پیش بینی SVR دارند، بطور پویا مقدار دهی کنیم. همچنین سرعت پیش بینی را با کنترل ورودی ها و حذف دادهای با یاس افزایش داده ایم. در نهایت ثابت خواهیم کرد که سرعت و دقت پیش بینی روش پیشنهادی نسبت به روش SVR پایه بهبود یافته است.
استفاده از خوشه بندی برای بهبود ماشین بردار رگرسیون Keywords:
استفاده از خوشه بندی برای بهبود ماشین بردار رگرسیون authors
یونس رحمانی
دانشجوی کارشناسی ارشد دانشگاه پیام نور تهران
آرش قربان نیا دلاور
عضو هیئت علمی دانشگاه پیام نور تهران
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 :