طبقه بندی داده های نامتعادل اعتباری با استفاده از الگوریتم هایDBN و SVM
سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 451
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ELCM04_052
تاریخ نمایه سازی: 30 شهریور 1400
چکیده مقاله:
مسئله مهم در طبقه بندی داده ها در SVM نقش مهمی برای افزایش دقت داریم. به همین منظور ما روشی برای طبقه بندی داده های نامتعادل اعتباری با استفاده از DBN-SVM ارائه خواهیم داد. با مطالعه موردی بر روی روشهای DBN و SVM داده های نامتعادل مورد توجه قرار نگرفته و همچنین افزونگی و داده های تکراری نیز در این روشها وجود داشته است. ما میخواهیم موارد فوق را کاهش داده و در نهایت میزان وزن دقت داده ها را برای طبقه بندی داده های نامتعادل اعتباری را افزایش دهیم .
کلیدواژه ها:
ماشین بردار پشتیبان ، شبکه باور عمیق ، داده های نامتعادل اعتباری ، داده های نامتعادل ، SVM ، DBN ، Support vector machine ، Deep belief network ، دقت ، accuracy
نویسندگان
صدف السادات ضیاء
دانشجوی ارشد مهندسی نرم افزار- دانشگاه پیام نور شهر ری
آرش قربان نیا دلاور
دکتری کامپیوتر- عضو هیات علمی دانشگاه پیام نور تهران شمال
بهناز حسن بیگی
دانشجوی ارشد مهندسی نرم افزار- دانشگاه پیام نور شهر ری