ارائه یک ساختار دو لایه سری HMM-SVM به منظور بهبود طبقه بندی
Publish place: 12th Annual Conference of Computer Society of Iran
Publish Year: 1385
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,739
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:
ACCSI12_233
تاریخ نمایه سازی: 23 دی 1386
Abstract:
در این مقاله یک طبق ه بندی کننده ١ با ساختار ترکی بی ارائه شده که در آن از مدل مخ فی مارکو ف ٢HMM و بردارهای پشتیبان ماشین ٣(SVM) بصورت سریال به منظور بهبود طبقه بندی استفاده شده است. در این ترکیب از مزایای هر دو طبق هبندی کننده فوق استفاده شده، زیراHMM توان ایی کار کردن با داد ه های دینامیک و سلسله مرات بی را داشت ه در حالیکه SVM عمومی ت ٤ بهت ری مخصوصاً بر ای کلاسهای با تعداد داد ههای محدود دار د. در مرحله اول از طبق ه بندی کنندهHMM استفاده شده و بر ای حل مسأله عدم قط عیت آ ن، در مرحله بعدSVM به کار گرفته شده اس ت. همچنین بر ای بالا بردن کارا یی طبق هبن دی کننده SVM از نسخ ه وزن دار شده ٥ آن استفاده شده که وزن دا د ها را بر اساسHMM ت عیین م یکند. روش ارائه شده در این تحقیق بررو ی پایگاه داده هایCancer و Diabetes, Glass, Iris اعمال شده که نتایج حاکی از برتری این روش ترکیبی برهر دو روش HMM و نسخه وزن دار شدهSVM میباشد.
Keywords:
Authors
سمیه علی زاده زوج
بخش علوم کامپیوتر و مهندسی دانشگاه شیراز
رضا بوستانی
بخش علوم کامپیوتر و مهندسی دانشگاه شیراز
بتسابه تنوری
بخش علوم کامپیوتر و مهندسی دانشگاه شیراز
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 :