استفاده از خوشه بندی برای بهبود ماشین بردار رگرسیون
- سال انتشار: 1394
- محل انتشار: دومین کنگره سراسری فناوریهای نوین ایران با هدف دستیابی به توسعه پایدار
- کد COI اختصاصی: SENACONF02_044
- زبان مقاله: فارسی
- تعداد مشاهده: 620
نویسندگان
دانشجوی کارشناسی ارشد دانشگاه پیام نور تهران
عضو هیئت علمی دانشگاه پیام نور تهران
چکیده
در روشهای پیش بینی، وجود نمونه های با یاس و وجود آنتروپی در نمونه ها باعث کاهش دقت پیش بینی می شود. با توجه به این مسئله در این مقاله ما روش خوشه بندی براساس یادگیری فعال (CSVR) برای بهبود SVR ارائه داده ایم. در این روش با خوشه بندی بهینه ورودی ها براساس میزان تشابه دادها، تجمع نمونه های آموزشی را پیش بینی کردیم. بطوریکه بوسیله مشخصه چگالی خوشه ها و با ترکیب نمودن پارامترهای مختلف توانستیم، متغییرهای C , که نقش مهمی در دقت پیش بینی SVR دارند، بطور پویا مقدار دهی کنیم. همچنین سرعت پیش بینی را با کنترل ورودی ها و حذف دادهای با یاس افزایش داده ایم. در نهایت ثابت خواهیم کرد که سرعت و دقت پیش بینی روش پیشنهادی نسبت به روش SVR پایه بهبود یافته است.کلیدواژه ها
یادگیری فعال ، دقت پیش بینی ، رگرسیون بردار پشتیبان ، تخمین پارامترها ، خوشه بندیاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.