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
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 584
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SENACONF02_044
تاریخ نمایه سازی: 30 آبان 1394
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.
Keywords:
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 :