دسته بندی داده ها با استفاده از روش svm

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.