دسته بندی استوار و ماشین های بردار پشتیبان
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه گیلان - دانشکده علوم ریاضی
- author جواد نعیمی کلورزی
- adviser مازیار صلاحی
- Number of pages: First 15 pages
- publication year 1391
abstract
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 مسائل دسته بندی بر جواب مسئله بسیار اثر گذار است، از این رو به مطالعه عدم قطعیت داده های ورودی در ماشین های بردار پشتیبان می پردازیم. با استفاده از مدل های عدم قطعیت مختلف، دسته بندی استوار را به صورت مسائل برنامه ریزی خطی یا برنامه ریزی مخروطی درجه دوم بیان می کنیم. در پایان نیز دسته بندی معمولی و استوار را پیاده سازی و روی چندین مثال واقعی با یکدیگر مقایسه می کنیم. آزمایشات عددی نشان از برتری مدل استوار دارند.
similar resources
دسته 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...
full textدو 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 ...
full textدسته 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 ...
استخراج 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...
full textرتبه بندی اعتباری با ماشین بردار پشتیبان
ارزیابی ریسک اعتباری یکی از مهمترین موضوعات در زمینه مدیریت ریسک مالی می باشد. با توجه به بحران مالی اخیر و نگرانی های نظارتی بازل ii ، ارزیابی ریسک اعتباری، تمرکز اصلی خدمات مالی و صنعت بانکداری شده است. به خصوص برای موسسات اعتباری، مانند بانک های تجاری ، شرکت های اعتباری ، بانک های مرکزی و دولت ها، توانائی تبعیض قائل شدن بین شرکت ها و بانک های ورشکسته از غیر ورشکسته بسیار مهم است. رتبه بندی ا...
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...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه گیلان - دانشکده علوم ریاضی
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023