ماشین بردار پشتیبان دوگانه ساختاری چگالیگرا

اطلاعات ساختاری داده ها، بخشی از دا نش و اطلاعات پیشین کمتر توجه شده برای آموزش یک طبقهبند است. یکی از قویترین طبقهبندها در حوزه یادگیری ماشین،ماشین بردار پشتیبانSVM)است که با یافتن نقاط حاشیه بین دو کلاس، این دو کلاس را از یکدیگر جدا میکندSVM به اطلاعات ساختاری و پیشین درون کلاسها داده توجهای ندارد و بیش تر توجه آن برروی جدا سازی بین کلاس ها ا ست. یکی از الگوریتمهایی که بر روی اطلاعات ساختاری توجه نموده، الگوریتمS-TWSVMاست که از دو ابر صفحه (دو مدل) برای ت شخیص کلاس دادهی جد ید، ا ستفاده میک ند بهصورتی که هر مدل، فقط اطلاعات ساختاری یک کلاس را در نظر میگیرد و با دورشدن از کلاس دیگر، به این کلاس مورد نظر نزدیکتر میشود. در الگوریتم فوق کلیه نقاط کلاس مورد نظر با درجه اهمیت یکسانی بررسی میشود، درحالیکه ممکن استتعدادی از نقاط آن کلاس از درجه اهمیت بیشتر و تعدادی از آنها نویز باشند که درجه اهمیت پایینی داشته باشند. الگوریتم پیشنهادی با وزندهی به نقاط نواحیمتراکم، توجه الگوریتم به این نقاط را بیشتر و با وزندهی کمتر به نقاط پرت و نویز، اهمیت این نقاط کمتر مینماید بهطوریکه دقت الگوریتم افزایش مییابدالگوریتم پیشنهادی بر روی دادههای پایگاه UCI که دوکلاسی هستند، آزمایش شده است. نتایج حاصل نشاندهنده برتری روش پیشنهادی نسبت به روش همتاS-TWSVM است.

کلیدواژه ها:

ماشین بردار پشتیبان دوگانهtwin SVM ، اطلاعات ساختاریstructural information ، اطلاعاتمحلیlocal information ، نزدیکترین همسایگی ، (nearest neighbor ، طبقهبندهای حاشیه بزرگ Large margin classifiers