بهبود دقت الگوریتم ماشین بردار پشتیبان (SVM) با تکنیک انتخاب ویژگی
Publish place: دومین کنفرانس بین المللی مهندسی صنایع و مدیریت
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,300
This Paper With 11 Page And PDF and WORD Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
INDUSTRIAL01_064
تاریخ نمایه سازی: 21 شهریور 1395
Abstract:
بشر با پیشرفت فناوری در ثبت و ذخیره سازی داده ها و پردازش آنها گامی بزرگ جهت کسب دانش برداشته است. در واقع داده نمایش از واقعیت ها، معلومات، مفاهیم، رویدادها یا پدیده ها برای براقراری ارتباط، تفسیر یا پردازش، توسط انسان یا ماشین است. از داده کاوی، به عنوان مرحله ای از فرایند کشف دانش که الگوها و یا مدل ها را در میان انبوهی از داده ها پیدا می کند، یاد می شود. یکی از مهمترین وظایف داده کاوی، طبقه بندی است. طبقه بندی فرآیند یافتن مدلی که کلاس ها یا مفهوم داده را برای پیش بینی نمونه هایی با برچسب نامشخص، تشخیص و تشریح کند. روش های بسیاری جهت ساختن مدل های طبقه بندی وجود دارد از جمله طبقه بندی بیزین، ماشین بردار پشتیبان، نزدیک ترین همسایگی و...می باشند. هدف این تحقیق، بهبود دقت الگوریتم ماشین بردار پشتیبان (SVM) است. SVM ابزاری کارامد در یادگیری ماشین می باشد اما قادر به انتخاب ویژگی های مهم نیست. در این مقاله، با ترکیب ماشین بردار پشتیبان پروگزیمال (PSVM) و استراتژی انتخاب ویژگی سعی بر انتخاب ویژگی های مهم و استفاده آن برای طبقه بندی می باشد.
Keywords:
Authors
مائده افشاری
کارشناس ارشد مهندسی صنایع، دانشگاه آزاد اسلامی، دانشکده صنایع و مکانیک، قزوین، ایران
ابوالفضل کاظمی
استادیاردانشکده صنایع ومکانیک، دانشگاه آزاد اسلامی، قزوین، ایران
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 :