ارائه یک ساختار دو لایه سری HMM-SVM به منظور بهبود طبقه بندی
محل انتشار: دوازدهمین کنفرانس سالانه انجمن کامپیوتر ایران
سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,817
فایل این مقاله در 5 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:
ACCSI12_233
تاریخ نمایه سازی: 23 دی 1386
چکیده مقاله:
در این مقاله یک طبق ه بندی کننده ١ با ساختار ترکی بی ارائه شده که در آن از مدل مخ فی مارکو ف ٢HMM و بردارهای پشتیبان ماشین ٣(SVM) بصورت سریال به منظور بهبود طبقه بندی استفاده شده است. در این ترکیب از مزایای هر دو طبق هبندی کننده فوق استفاده شده، زیراHMM توان ایی کار کردن با داد ه های دینامیک و سلسله مرات بی را داشت ه در حالیکه SVM عمومی ت ٤ بهت ری مخصوصاً بر ای کلاسهای با تعداد داد ههای محدود دار د. در مرحله اول از طبق ه بندی کنندهHMM استفاده شده و بر ای حل مسأله عدم قط عیت آ ن، در مرحله بعدSVM به کار گرفته شده اس ت. همچنین بر ای بالا بردن کارا یی طبق هبن دی کننده SVM از نسخ ه وزن دار شده ٥ آن استفاده شده که وزن دا د ها را بر اساسHMM ت عیین م یکند. روش ارائه شده در این تحقیق بررو ی پایگاه داده هایCancer و Diabetes, Glass, Iris اعمال شده که نتایج حاکی از برتری این روش ترکیبی برهر دو روش HMM و نسخه وزن دار شدهSVM میباشد.
کلیدواژه ها:
نویسندگان
سمیه علی زاده زوج
بخش علوم کامپیوتر و مهندسی دانشگاه شیراز
رضا بوستانی
بخش علوم کامپیوتر و مهندسی دانشگاه شیراز
بتسابه تنوری
بخش علوم کامپیوتر و مهندسی دانشگاه شیراز
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 مقاله لینک شده اند :