مدلی مبتنی بر الگوریتم ژنتیک برای انتخاب/استخراج ویژگی و بهینه سازی پارامترهای SVM
Publish place: 1st Joint Congress on Fuzzy and Intelligent Systems
Publish Year: 1386
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 4,462
This Paper With 6 Page And PDF 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:
FJCFIS01_167
تاریخ نمایه سازی: 14 خرداد 1387
Abstract:
ماشینهای بردار حامی (SVM) . نوعی الگوریتم یادگیری آماری هستند که در سالهای اخیر مورد توجه فراوانی قرار گرفته اند . SVM به طور کلی کاربردهای زیادی در بحث شناسایی الگو و برازش غیرخطی دارد. توابع هسته ای نقش مهمی در توانایی کلاس بندی آنها بازی میکنند. تنظیم مناسب پارامترهای هسته میتواند در دقت کلاس بندی آن نقش خیلی مهمی داشته باشد. در عین حال انتخاب مناسب ویژگیهای ورودی نیز یکی از مسائل مهم در یک فرآیند کلا س بندی میباشد. در این مقاله مدلی مبتنی بر الگوریتم ژنتیک پیشنهاد شده است که از مجموعه بردار ویژگی ورودی زیر مجموعه ای را انتخاب یا استخراج (با استفاده از PCA ) میکند و بطور همزمان پارامترهای کلاس بند SVM را بهینه میسازد. نتایج شبیه سازی روی برخی مجموعه داده های معروف کارایی این روش را نشان میدهد .
Keywords:
Authors
احسان عادلی مسبب
دانشگاه علم و صنعت ایران، دانشکدهی مهندسی کامپیوتر، آزمایشگاه پرداز
محمود فتحی
دانشگاه علم و صنعت ایران، دانشکدهی مهندسی کامپیوتر، آزمایشگاه پرداز
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 :