استفاده از شاخص اعتبار سنجی بهینه برای حل مسائل چند کلاسی با استفاده ازماشینهای بردار پشتیبان

ماشین بردار پشتیبانی (SVM) روش یادگیری با نظارت میباشد که در حال حاضر برای مسئله دستهبندی مورد استفاده قرار میگیرد. روشهای ماشین بردار پشتیبانی، اکثرا روشهای موفقی هستند، اما اغلب برای دسته بندیهای یک کلاسیبه کار میرود و گسترش آن به چند کلاسی پیچیدگی زیادی به وجود میآورد. هدف ما در این مقاله استتفاده از شتاخص اعتبار سنجی مناسب برای حل مسائل چند کلاسی است. از جمله روشهایی که جهت حل این نوع از مسائل وجتود داردمی توان به استراتژی یکی در مقابل همه و یکی در مقابل یکی اشاره کرد. هیچکدام از روشهای OAO و OAA در مدت زمان مناسبی مورد آزمایش و اجرا قرار نمیگیرند همچنین دارای مشکلاتی مانند استفاده از تعداد بسیار زیادی طبقه بند و مناطق غیر قابل طبقه بندی میباشند. در این مقاله با استفاده از شاخص اعتبار سنجی پیشتنهادی، احتیتاب بته زمتان کمتری جهت آموزش، نیاز است.

کلیدواژه ها:

ماشین بردار پشتیبانی ، یک کلاسی ، چند کلاسی ، نواحی غیر قابل کلاس بندی ، شاخص اعتبار سنجی