دسته بندی پدیده های کیفت توان براساس روش ماشین بردار هسته ای
نویسندگان
چکیده
در این مقاله الگوریتمی جهت دسته بندی پدیده های کیفیت توان بر مبنای روش ماشین بردار هسته ای (core vector machine) ارائه شده است. در روش پیشنهادی در گام اول ویژگی های مربوطه بر اساس تبدیل موجک انتخاب و اطلاعات ورودی دسته بندی شده است. در گام دوم از روشهای استخراج و انتخاب ویژگی بهترین ویژگی ها جهت دسته بندی پدیده های کیفیت توان استفاده شده است. در گام سوم از روش یادگیری ماشین بردار هسته ای استفاده شده و شبکه مربوطه آموزش داده می شود. در گام چهارم ارزیابی نتایج صورت می گیرد. نتایج شبیه سازی نشان دهنده کارایی روش پیشنهادی در مقایسه با دیگر روشهای موجود می باشد.
منابع مشابه
دو روش تبدیل ویژگی مبتنی بر الگوریتم های ژنتیک برای کاهش خطای دسته بندی ماشین بردار پشتیبان
Discriminative methods are used for increasing pattern recognition and classification accuracy. These methods can be used as discriminant transformations applied to features or they can be used as discriminative learning algorithms for the classifiers. Usually, discriminative transformations criteria are different from the criteria of discriminant classifiers training or their error. In this ...
متن کاملدسته بندی سبک های یادگیری با استفاده از ویژگی های رفتاری و ماشین بردار پشتیبان دو قلو
موفقیت تحصیلی دانشجویان از اهداف مهم در محیط‌های آموزشی است. یکی از عوامل مهم در تحقق این هدف، توجه به سبک یادگیری دانشجویان است. آگاهی از سبک یادگیری دانشجویان به طراحی یک روش مناسب آموزش کمک می‌کند. لحاظ کردن یک شیوه مناسب آموزش باعث بهبود عملکرد دانشجویان در محیط آموزشی می‌شود. در این مقاله، هدف ساخت یک مدل برای تشخیص خودکار سبک‌های یادگیری است. بدین منظور از یک محیط آموزش الکترونیکی متشکل ا...
متن کاملاستخراج ویژگی های بافتی طیف سیگنال های ماهیچه ای و به کارگیری ماشین بردار پشتیبان به منظور دسته بندی حرکات فیزیکی
سیگنالهای الکترومیوگرافی(EMG) با استفاده از دستگاه استخراج سیگنالهای ماهیچه ای (الکترومیوگراف) و به منظور تشخیص میزان اختلاف پتانسیل به وجود آمده در اثر تحریک عصبی سلولهای ماهیچه ای جهت کاربردهای گوناگون استخراج میشوند. یک مرحله ی مهم در پردازش سیگنالهای استخراج شده که تأثیر بسیار اساسی در عملکرد کلی سیستمهای کنترل ماهیچه ای دارد استخراج ویژگیهای مؤثر از این سیگنالها است. در این مق...
متن کاملدسته بندی استوار و ماشین های بردار پشتیبان
دسته بندی از مسائل اصلی در یادگیری ماشین است به طوری که مسائل متعددی از دنیای واقعی را می توان به صورت آن مطرح و حل کرد. یکی از روش های قدرتمند که در حال حاضر به صورت گسترده برای مسئله دسته بندی مورد استفاده قرار می گیرد، روش ماشین های بردار پشتیبان است. یک فرض اساسی در این روش این است که داده ها قطعی هستند در حالی که در دنیای واقعی داده ها معمولا دارای عدم قطعیت هستند. عدم قطعیت داده ها در م...
15 صفحه اولدسته بندی مفهومی اسناد فارسی به کمک ماشین بردار پشتیبان
دسته بندی اسناد، فرآیندی است که اسناد را به یک یا چند دسته از قبل تعریف شده تقسیم می کند. در این پایان نامه، یک سیستم دسته بندی مفهومی اسناد فارسی با استفاده از ماشین بردار پشتیبان ارائه شده است. همچنین، تاثیر رهیافت های مختلف پیش پردازش شامل شاخص گذاری اسناد، ریشه یابی، بردار نماینده و انتخاب زیر مجموعه ای از ویژگی ها، بر روی کارایی سیستم مطالعه شده است. علاوه بر این، کارایی سیستم پیشنهادی با ...
دو روش تبدیل ویژگی مبتنی بر الگوریتم های ژنتیک برای کاهش خطای دسته بندی ماشین بردار پشتیبان
در بازشناسی الگو یکی از روش های افزایش دقت بازشناسی، بهره گیری از روش های متمایز ساز است. این روش ها یا به صورت تبدیل متمایزساز بر ویژگی ها بکار می روند یا از روش های یادگیری متمایزساز برای آموزش دسته بند استفاده می کنند. معمولا معیار تبدیلات متمایز ساز متفاوت با معیار آموزش و یا خطای دسته بندهای متمایز ساز است. در مقاله حاضر، برای هماهنگ کردن معیار تبدیل ویژگی و نیز معیار دسته بندی ماشین بردار...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
مهندسی برق مدرسجلد ۱۲، شماره ۴، صفحات ۵۳-۶۲
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023