بهبود دقت الگوریتم ماشین بردار پشتیبان (SVM) با تکنیک انتخاب ویژگی
محل انتشار: دومین کنفرانس بین المللی مهندسی صنایع و مدیریت
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,333
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
INDUSTRIAL01_064
تاریخ نمایه سازی: 21 شهریور 1395
چکیده مقاله:
بشر با پیشرفت فناوری در ثبت و ذخیره سازی داده ها و پردازش آنها گامی بزرگ جهت کسب دانش برداشته است. در واقع داده نمایش از واقعیت ها، معلومات، مفاهیم، رویدادها یا پدیده ها برای براقراری ارتباط، تفسیر یا پردازش، توسط انسان یا ماشین است. از داده کاوی، به عنوان مرحله ای از فرایند کشف دانش که الگوها و یا مدل ها را در میان انبوهی از داده ها پیدا می کند، یاد می شود. یکی از مهمترین وظایف داده کاوی، طبقه بندی است. طبقه بندی فرآیند یافتن مدلی که کلاس ها یا مفهوم داده را برای پیش بینی نمونه هایی با برچسب نامشخص، تشخیص و تشریح کند. روش های بسیاری جهت ساختن مدل های طبقه بندی وجود دارد از جمله طبقه بندی بیزین، ماشین بردار پشتیبان، نزدیک ترین همسایگی و...می باشند. هدف این تحقیق، بهبود دقت الگوریتم ماشین بردار پشتیبان (SVM) است. SVM ابزاری کارامد در یادگیری ماشین می باشد اما قادر به انتخاب ویژگی های مهم نیست. در این مقاله، با ترکیب ماشین بردار پشتیبان پروگزیمال (PSVM) و استراتژی انتخاب ویژگی سعی بر انتخاب ویژگی های مهم و استفاده آن برای طبقه بندی می باشد.
کلیدواژه ها:
نویسندگان
مائده افشاری
کارشناس ارشد مهندسی صنایع، دانشگاه آزاد اسلامی، دانشکده صنایع و مکانیک، قزوین، ایران
ابوالفضل کاظمی
استادیاردانشکده صنایع ومکانیک، دانشگاه آزاد اسلامی، قزوین، ایران
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 :