تجزیه و تحلیل مقایسه ای الگوریتم ماشین بردار پشتیبان با ماشین بردار پشتیبان فازی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 468

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCC01_407

تاریخ نمایه سازی: 9 فروردین 1395

چکیده مقاله:

ماشین بردار پیشتیبان نشان داده که عملکرد بیشتری نسبت به ماشین های سنتی دارد و به عنوان ابزارهایقدرتمندی برای حل مسائل طبقه بندی معرفی شده است. ماشین بردار پیشتیبان شبه صفحه ی مطلوب رابا استفاده از کنش های ضرب نقطه ای در فضای برجسته که هسته های اصلی نامیده می شوند پیدا میکند و ماشین بردار پیشتیبان فازی این گونه عمل می کند که یک عضویت نامعلوم را برای هر نقطهداده ورودی ماشین بردار پیشتیبان بکار می برد. در این مقاله که بررسی با هدف مقایسه سرعت و دقتدو الگوریتم در ده مرتبه تکرار انجام می شود که ماشین بردار پیشتیبان فازی عملکرد بهتری نسبت بهماشین بردار پیشتیبان را نشان می دهد برای این منظور به تشریح الگوریتم ماشین بردار پیشتیبان و ماشینبردار پیشتیبان فازی می پردازیم.

کلیدواژه ها:

ماشین بردار پشتیبان ، طبقه بندی ، عضویت نامعلوم ، ماشین بردار پشتیبان فازی

نویسندگان

سیده فروغ محسنی پور

دانشجوی کارشناسی ارشد، هوش مصنوعی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات بوشهر

مرضیه دادور

دانشجوی دکترا، هوش مصنوعی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

مهدیه مهدوی

دانشجوی کارشناسی ارشد، هوش مصنوعی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات بوشهر

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 :
  • Vapnik, V.N. "The nature of statistical learning theory". New York: ...
  • Mantero P., Moser, G. and Serpico, S.B., 2005. Partially supervised ...
  • C. Burges, "A tutorial On support vector machines for pattern ...
  • C. Cortes and V. N. Vapnik, "Support vector networks, " ...
  • V. N. Vapnik, The Nature of Statistical Learning Theory. New ...
  • _ Statistical Learning Theory. New York: Wiley, 1998. ...
  • M. Pontil and A. Verri, Massachusets Inst. Technol., 1997, AI ...
  • N. de Freitas, M. Milo, P. Clarkson, M. Niranjan, and ...
  • I. Guyon, N. Matic., and V.N. Vapnik, Discovering Information Patterns ...
  • X. Zhang, "Using class-center vectors to build support vector machines, ...
  • نمایش کامل مراجع