مروری بر ماشین های بردار پشتیبان

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,899

This Paper With 7 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

MAYCOMP01_057

تاریخ نمایه سازی: 5 بهمن 1395

Abstract:

در این مقاله مروری بر ماشین های بردار پشتیبان داریم. روش بردارهای پشتیبان یک روش بسیار کارا در دسته بندی داده ها می باشد. بزرگترین محدودیت روش بردارهای پشتیبان در انتخاب Kernel می باشد، زمانی که Kernel ثابت باشد، دسته بندی SVM تنها دارای یک پارامتر قابل تغییر توسط کاربر می باشد (پارامتر جریمه ی خطا). انتخاب بهترین Kernel برای یک مسئله ی خاص از مسائل مهم و مطرح می باشد. دومین محدودیت در سرعت و اندازه در آموزش و تست می باشد. آموزش پایگاه داده های بسیار بزرگ، مسئله ای غیرقابل حل به روش عددی می باشد. راه حل هایی برای این قبیل از مسائل ارائه گردیده که به برخی از آنها در مقاله اشاره می گردد. یکی دیگر از مسائل مشکل در طراحی تفکیک کننده برای SVM چند کلاسه می باشد که در اینجا نیز راه حل های ابداع شده جهت رفع این مشکل ارائه گردیده است. ماشینهای بردار پشتیبان نسبت به سایر روش های دسته بندی داده ها مانند Neural Network در صورتی که انتخاب ها، مناسب انجام شوند (انتخاب حل کننده ی معادله ی درجه ی دوم، انتخاب Kernel) از دقت بسیار خوب و بالایی برخوردار می باشد. هدف از ارائه این مقاله، تحلیل روش های مطرح شده در ماشین های بردار پشتیبان می باشد. در این مقاله الگوریتم ها ارائه شده را با توجه به پیچیدگی محاسباتی، دقت دسته بندی، قابلیت تعمیم پذیری و زمان یادگیری با هم مقایسه کرده ایم.

Keywords:

ماشین های بردار پشتیبان (SVM) , ماشین های بردار پشتیبان دوگانه , ماشین بردار پشتیبان دوگانه ی مرزی , حداقل مربعات ماشین بردار پشتیبان , دسته بندی

Authors

فاطمه نجفی

عضو هیات علمی گروه کامپیوتر، واحد ایذه، دانشگاه آزاد اسلامی واحد ایذه، ایران

محمد جواد کارگر

عضو هیات علمی گروه کامپیوتر، واحد میبد، دانشگاه آزاد اسلامی واحد میبد، 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 :
  • Cortes, C., Vapnik, V., "Support Vector Network", Mach Learn, vol. ...
  • Platt, J., "Sequential minimal optimization: A fast algorithm for training ...
  • Vapnik, V., "The nature of statistical learning", 2nd Ed. New ...
  • Campbell, C.. "Kernel methods: a survey of current techniques, " ...
  • mini mal_optimiz ation, Online Acces, Jo1. 11, 2014 ...
  • Lee, Y. J., Huang, S. Y., "Reduced Support Vector Statistical ...
  • TRANS ACTIONS _ NEURAL NETWORKS _ _ ...
  • Tipping, M., "Sparse Bayesian learning and the relevance vector machine", ...
  • Khemchandan, R., Chandra, S., "Twin support vector machines for pattern ...
  • Empirical Analysis of AdaBoost Twin Bounded Support Journal of Information ...
  • Arun Kumar, M., Gopal, M., "Least squares twin support vector ...
  • Tomar, D., Agarwal. S., "Feature selection based least square twin ...
  • Gao, S., Ye, Q., "1-Norm least squares twin support vector ...
  • Yitian, Xu., Wenwen, Xi., Xin, Lv., " An Improved Least ...
  • Shao, Y., Chen, W., Huang, W., Yang, Z., Deng, N., ...
  • Chen, W., J., Shao, Y., H., Li, C., N., Deng, ...
  • Kaufman, L, "Solving the quadratic programming problem arising in support ...
  • Suykens, K., Vandewalle, J., "Least squares support vector machine classifiers", ...
  • Wang Xu., YT, , Zhong, P., " A rough margin-based ...
  • Tomar, D., Agarwal, S., "Twin Support Vector Machine: A review ...
  • نمایش کامل مراجع