مروری بر روشهای بهبود دقت طبقه بندی در ماشین بردار پشتیبان KBEI-2016
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 360
فایل این مقاله در 6 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:
KBEI03_067
تاریخ نمایه سازی: 11 مرداد 1396
چکیده مقاله:
ماشین بردار پشتیبان Machine) Support Vector به عنوان یکی از تکنیکهای گسترش یافته در یادگیری ماشین و الگوهای طبقه بندی می باشد ماشین بردار پشتیبان پیشگویی خود را با استفاه از ترکیبی خطی از تابع Kernel (کرنل) که بر روی مجموعه ای از داده های آموزشی با نام بردارهای پشتبیان عمل می کند، انجام می دهد. از ویژگی های مهم یک ماشین بردار پشتیبان، افزایش در طبقه بندی می باشد. روشهای و تکنیکهای گوناگونی در راستای بهبود دقت ماشین بردار پشتیبان، پیاده سازی شده اند که هریک به نحوی منجر به افزایش دقت در طبقه بندی شده اند در این مقاله همواره سعی بر این است که به بررسی و مروری روشها و راهکارهای ارایه شده در طبقه بندی ماشین بردار پشتیبان پرداخته شود و در نهایت، دقت طبقه بندی به دست آمده از روشهای و راهکارهای مطالعات پیشین را مورد بررسی قرار دهد.
کلیدواژه ها:
نویسندگان
نفیسه اشکوری
دانشجوی کارشناسی ارشد مهندسی کامپیوتر نرم افزار دانشگاه غیرانتفاعی بعثت کرمان ایران
امین سنجری
دانشجوی کارشناسی ارشد مهندسی کامپیوتر نرم افزار دانشگاه غیرانتفاعی بعثت کرمان ایران
مصطفی قاضی زاده احسانی
استادیار بخش مهندسی کامپیوتر دانشکده فنی و مهندسی دانشگاه شهید باهنر کرمان 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 :