نام پژوهشگر: یونس اله یاری
یونس اله یاری هادی صدوقی یزدی
در سالهای اخیر ماشین بردار پشتیبان svdd بطور فزاینده ای در کاربردهای مرتبط با طبقه بندی تک کلاسه، مورد استفاده قرار گرفته است. هدف svdd ارائه یک توصیف فشرده از مجموعه ای از داده ها بنام کلاس هدف است بطوریکه فضای توزیع این داده ها را از فضای نمونه های دیده نشده مرتبط با سایر کلاسها جدا کند. یکی از چالشهای svdd این است که مرز آن تنها با نمونه های بیرونی توصیف شده و نمونه های داخلی و چگالی توزیع داده ها دخالتی در تعیین مرز ندارند. در این پایان نامه با محور قرار دادن svdd طبقه بند جدیدی پیشنهاد می شود که مرکز گرانش به نمایندگی همه نمونه های یادگیری در تعیین مرز دخالت دارد، ضمن اینکه بصورت ضمنی چگالی توزیع داده ها را در محاسبه مرز دخالت می دهد. آزمایشها نشان می دهند که طبقه بند جدید در اغلب موارد نسبت به svdd و گونه های توسعه یافته آن نرخ شناسائی بهتری دارد.