دسته بندی داده ها با استفاده از روش svm

thesis
  • وزارت علوم، تحقیقات و فناوری - دانشگاه شهید باهنر کرمان - دانشکده ریاضی و کامپیوتر
  • author مرتضی کارگر
  • adviser محمدعلی یعقوبی
  • Number of pages: First 15 pages
  • publication year 1390
abstract

داده کاوی یکی از شاخه های مطرح علمی است که در سالهای اخیر توسعه فراوانی یافته است. بنابر گزارش دانشگاه mit، دانش نوین داده کاوی یکی از ده دانش در حال توسعه ای است که دهه آینده را با انقلاب تکنولوژیکی مواجه می سازد. دسته بندی داده ها، از مهمترین مباحث مطرح در داده کاوی است. در خصوص دسته-بندی داده ها روش های گوناگونی ارائه گردیده است که ماشین بردار پشتیبان(svm) از مهمترین آنها است و از آنجایی که بر مبنای فرمول بندی ریاضیاتی است از دقت و خاصیت تعمیم بیشتری نسبت به سایر روش های دسته بندی برخوردار است. این پایان نامه به موضوع دسته بندی داده ها با استفاده از روش svm می پردازد. ابتدا مقدمه و برخی از مباحث مورد نیاز در svm مطرح می-گردد. سپس اصول و پایه های دسته بندی داده های دو دسته ای به روش svm مطرح می گردد و همچنین انواع روش-های svm به همراه مثال ارائه می گردد. بعلاوه یک مثال واقعی از کاربرد روش svm در دسته بندی داده-های دو دسته ای ارائه خواهد شد. در ادامه نیز برخی از روش های دسته بندی برای داده های چند دسته ای مطرح می گردد. درپایان با ورود به بحث نادقیقی داده ها، و در نظر گرفتن دو حالت برای داده های فازی، روش هایی برای دسته بندی این داده ها عنوان می گردد. بعلاوه با درنظر گرفتن یک پارامتر فازی در فرمول بندی روش svm به ارائه راه حل پرداخته می شود. در خاتمه یک مثال کاربردی برای داده های فازی مطرح می گردد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

دسته بندی پرسش ها با استفاده از ترکیب دسته بندها

هدف از تولید و گسترش سیستم های پرسش و پاسخ، ایجاد پاسخ دقیق برای پرسش داده شده به زبان طبیعی می باشد. یکی ازمهم ترین بخش های سیستم های پرسش و پاسخ دسته بندی پرسش است. عمل دسته بندی پرسش، پیش بینی نوع پاسخ مورد نیاز برای پرسش داده شده به زبان طبیعی می باشد. کارهای انجام شده در این زمینه را می توان در دو دسته ی مبتنی بر قانون و مبتنی بر یادگیری تقسیم کرد. در این مقاله برای دسته بندی پرسش ها، از ی...

full text

دسته بندی داده های جریانی فازی با استفاده از تحلیل پوششی داده ها

در این تحقیق یک روش دسته بندی داده های غیرقطعی از نوع فازی که از جمله چالش برانگیزترین حوزه های تحلیل داده محسوب می شود، ارائه شده است. در واقع حجم بالا و پیچیدگی روش های تحلیل داده مانع از توسعه روش هایی جهت تحلیل داده های فازی می شود. با این حال در برخی حوزه های دیگر همچون برنامه ریزی ریاضی پیشرفت های چشمگیری در مدل سازی سیستم هایی که داده های فازی از آنها در اختیار است، بدست آمده است و لذا ت...

full text

ارزیابی رفتار دینامیکی خاک ‏های ریزدانه با استفاده از الگوریتم دسته ‏بندی گروهی داده‏ ها

با توجه به اینکه عملکرد صحیح تأسیسات زیربنایی نیاز به طراحی دقیق دارد، بنابراین ارزیابی دقیق پارامترهای کلیدی با به ‏کارگیری روش­ های نوین از اهمیت ویژه­ ای برخوردار است. در سازه ­های خاکی و سیستم ­های حمل و نقل، به ­عنوان بخشی از مهم ترین ابنیه ­ی فنی و زیرساخت­ ها که خدماتی ضروری برای بشر فراهم می ­نمایند، همواره برآورد و پیش­بینی دقیق ­تر رفتار خاک، بخصوص در برابر بارهای دینامیکی، بسیار اهمی...

full text

پیشگویی پیوند در شبکه های اجتماعی با استفاده از ترکیب دسته بندی کننده ها

Abstract Link prediction in social networks is one of the most important activities in analysis of such networks. The importance of link prediction in social networks is due to its dynamic nature. While members and their relationships (links) in such networks are continuously increasing, links may be missed due to various reasons. By predicting such links, the possibility of extension, compl...

full text

دسته بندی داده های با حجم بالا با استفاده از روش های دسته بندی ترکیبی

بسیاری از روش های طبقه بندی ترکیبی به دلیل استفاده از چندین طبقه بند پایه، که بعضا شامل طبقه بند پایه کند هستند، در مواجهه با مجموعه داده های بزرگ پیچیدگی محاسباتی بالایی دارند. در این پژوهش روشی برای ترکیب نتایج طبقه بندها پیشنهاد شده است که با استفاده از خوشه بندی بخشی از مجموعه داده ی آموزش، علاوه بر کاهش پیچیدگی محاسباتی طبقه بندی ترکیبی دقت قابل قبولی را نیز ارائه دهد. در این روش ابتدا طبق...

دسته بندی اهداف سوناری با استفاده از روش omkc

با توجه به خصوصیات فیزیکی پیچیده ی اهداف سوناری، طبقه بندی و تمیز دادن اهداف واقعی از اهداف کاذب یکی از زمینه های دشوار و پیچیده برای محققان و صنعتگران این حوزه است. با توجه به این ویژگی های اهداف سوناری، روش های هوشمند در دسته بندی این نوع دادگان دارای توانایی های منحصر به فردی می باشند. از این رو در سال های اخیر استفاده از شبکه های عصبی و ماشین بردار پشتیبانی در این زمینه کاربرد فراوانی داشته...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه شهید باهنر کرمان - دانشکده ریاضی و کامپیوتر

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023