Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

یک روش برای کاهش طبقه بندی داده با استفاده از تکنیک وزن دهی در +SVM

Year: 1394
COI: TAES01_035
Language: PersianView: 556
This Paper With 10 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

زهرا جعفری - دانشجوی کارشناسی ارشد مهندسی کامپیوتر، دانشگاه پیام نور
آرش قربان نیا دلاور - عضوهیئت علمی مهندسی کامپیوتر و فناوری اطلاعات دانشگاه پیام نور

Abstract:

در تکنیک وزن دهی +SVM، کاهش طبقه بندی داده ها یکی از موارد مهم می باشد. در این مقاله یک روش برای کاهش طبقه بندی داده ها با استفاده از تکنیک وزن دهی در +SVM را ارائه داده ایم که با درنظر گرفتن یک منبع پارامترها به تابع صلاحیتی رسیده و با پارامتر حجم داده ها و چگالی آنها توانستیم اندازه بازه ها را به گونه ای تعریف کنیم و توانسته ایم طبقه بندی را نسبت به مطالعه موردی که بررسی شده کاهش دهیم. با درنظر گرفتن پارامترهای توانستیم با قسمت بندی داده ها، داده های تکراری را کاهش داده و در نهایت با وجود آستانه در تابع هدف زمان پردازش را کاهش و سرعت را افزایش دهیم.

Keywords:

داده کاوی (Data Mining) , ماشین بردار پشتیبان (SVM (SUPPORT VECTOR MACHINE) , طبقه بندی داده (Data Classification) , داده های تکراری (Duplicate Data) , چگالی (Density) , حد آستانه (TD)

Paper COI Code

This Paper COI Code is TAES01_035. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/400778/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
جعفری، زهرا و قربان نیا دلاور، آرش،1394،یک روش برای کاهش طبقه بندی داده با استفاده از تکنیک وزن دهی در +SVM،1404 National Conference on Vision and Technological Advances in Engineering Sciences،Shiraz،https://civilica.com/doc/400778

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 :

  • _ Vapnik, A. Vashist, N. Pavlovitch, Learning using hidden information: ...
  • V. Vapnik, A. Vashist, A new learning paradigm: learning using ...
  • J. Feyereisl, U. Aickelin, Privileged information for data clustering, Inf. ...
  • /4] B. Ribeiro, C. Silva, A. Vieira, A. Gaspar-Cunha, J. ...
  • L. Liang, V. Cherkassky, Connection between SVM- and multi-tasf learning, ...
  • /6] D. Pechyony, R. Izmailov, A. Vashist, V. Vapnik, SMO-style ...
  • D. Pechyony, V. Vapnik, Fast optimization algorithms for solving SVM+, ...
  • /8] D. Pechyony, V. Vapnik, On the theory of learning ...
  • Y. LeCun, L. Bottou, Y.Bengio, P. Haffmer, Gradien t-based learning ...
  • gwap, ESP game. http ://www.gwap. com/gwap/gam esPre view/espga me/ (accessed ...
  • M. Guillaumin, T. Mensink, J. Verbeek, C. Schmid, Tagprop: discriminative ...
  • M. Guillaumin, Features and tags for ESP game. http://lear. in ...
  • D. Tran, A. Sorokin, Human activity recognition with metric learning, ...
  • L. Gorelick, M. Blank, E. Shechtman, M. Irani, R. Basri, ...
  • 37Steps, PRTools: pattern recognition tools. _ 3 _ _ (accessed ...
  • K. Matsuoka, Noise injection into inputs in b ack-propaga tion ...
  • I.B.V. da Silva, P.J.L. Adeodato, PCA and Gaussian noise in ...
  • R.W. Yeung, A First Course in Information Theory, Kluwer/Plen um, ...
  • D. Pascual, F. Pla, J.S. SAchez, Cluster validation using information ...
  • V.N. Vapnik, The Nature of Statistical Learning Theory, Springer- Verlag, ...
  • R.S. Smith, J. Kittler, M. Hamouz, J. Illingworth, Face recognition ...
  • T. Joachims, Making large-scale support vector machine learning practical, in:B. ...
  • F.Chang, C. Y. Guo, X.R.Lin, C.J.Lu, Treedecompos itionforlarge -scaleS VM ...
  • O. A m ayri, N. Bougu ila, A studyofspa mfiltering ...
  • sem _ ticsim ilarityb etweenwords, IEEETrans. Knowl. DataEng. 23 (7) ...
  • M.M. Rahman, S.K.Antani, G.R. Thoma, _ learn ing-basedsim ilarityfusion and ...
  • H. Sahbi, J. Y.A udibert, R.Keriven, ...
  • Con text-dependen tkern elsforobject classification, IEEETrans. PatternA nal.Mach .Intell. 33 ...

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

Scientometrics

The specifications of the publisher center of this Paper are as follows:
Type of center: پیام نور
Paper count: 63,512
In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

مقالات پیشنهادی مرتبط

New Papers

Share this page

More information about COI

COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

Support