ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارائه یک طبق هبندی کننده با ساختار ترکیبی SVM/HMM

تعداد صفحات: 5 | تعداد نمایش خلاصه: 1498 | نظرات: 0
سال انتشار: 1385
کد COI مقاله: ICMVIP04_040
زبان مقاله: فارسی
(فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 5 صفحه است به صورت فایل PDF در اختیار داشته باشید.

قیمت این مقاله : 0 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارائه یک طبق هبندی کننده با ساختار ترکیبی SVM/HMM

بتسابه تنوری - کارشناسی ارشد هوش مصنوعی
سمیه علی زاده زوج - کارشناسی ارشد هوش مصنوعی
رضا بوستانی - دکترای مهندسی پزشکی

چکیده مقاله:

در این مقاله از توانایی طبق هبند یکننده 1SVM در قلب ساختار طبقه بند یکنندهHMM به منظور بهبود راندمان آن استفاده شده است. طبقه بندی کنندهHMM از ترکیب های 2 گاوسی برای تخمین احتمالات شرطی استفاده م یکند حال آنکه در این تحقیق از طبقه بندی کنندهSVM به جای توابع گوسی استفاده شده است. طبقه بندی کنندهSVM نتایج بسیار خوبی در زمینه تشخیص الگو 3 ارائه کرده و به دلیل خاصیت عمومیت بخشی آن، در این مدل ترکیبی از آن استفاده شدهاست. در این تحقیق خروجیهایSVM به صورت احتمالات شرطی در نظر گرفته شده و از آنها به عنوان احتمال انتشار 4 درHMMاولیه استفاده شده است. این روش ترکیبی با استفاده از بانک های اطلاعاتی مختلفی آموزش 5 داده و تست شده است. نتایج حاصل نشان می دهد که این طبق هبندی کننده نسبت بهطبقه بندی کنندهHMM با ترکی بهای گاوسی دقت بیشتری دارد.

کلیدواژه ها:

طبقه بند يكننده، مدل ماركوف نهان، بردارهاي پشتيبان ماشين

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/44277/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
تنوری، بتسابه و علی زاده زوج، سمیه و بوستانی، رضا،1385،ارائه یک طبق هبندی کننده با ساختار ترکیبی SVM/HMM،چهارمین کنفرانس ماشین بینایی و پردازش تصویر،مشهد،،،https://civilica.com/doc/44277

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1385، تنوری، بتسابه؛ سمیه علی زاده زوج و رضا بوستانی)
برای بار دوم به بعد: (1385، تنوری؛ علی زاده زوج و بوستانی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود ممقالهقاله لینک شده اند :

  • Sven E. Kruger, Martin Schaff oner, Marcel Katz, Edin Andelic, ...
  • J. Platt, ،Probabilistic outputs for support vector machines and comparisons ...
  • A. Webb. Statistical Pattern Recognition. Second Edition, John Wiley & ...
  • L. R. Rabiner. A tutorial On hidden markove models and ...
  • W. H. Press, S. A. Teukolsky, W. T. Vetterling, and ...
  • Felix Mandoux, ،Multi-Class SVM Learning using Adaptive Code, Royal Institute ...
  • C. J. C. Burges, 00A tutorial on support Vector machines ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی