مقاله بررسی عملکرد SVM در مسائل دسته بندی

۱۳۹۵/۰۳/۰۷
نويسنده:

مقاله بررسی عملکرد SVM در مسائل دسته بندی

فرمت فایل doc
حجم فایل ۱۵۷ کیلو بایت
تعداد صفحات فایل ۲۱

دانلود مقاله کارشناسی ارشد مهندسی نرم افزار

بررسی عملکرد SVM’s در مسائل دسته بندی

مقدمه
در این گزارش به بررسی بردارهای پشتیبان خطی و عملکرد آن ها در مسائل مربوط به دسته بندی می-پردازیم. استفاده از بردارهای پشتیبان خطی (SVM’s) در مسائل دسته بندی، رویکرد جدیدی است که در چند ساله اخیر مورد توجه بسیاری قرار گرفته است و از آن در طیف وسیعی از کاربردها از جمله OCR، تشخیص دستخط، تشخیص علائم راهنمایی و … استفاده کرده اند. رویکرد SVM به این صورت است که در فاز آموزش، سعی می شود که مرز تصمیم گیری (Decision Boundry) به گونه ای انتخاب گردد که حداقل فاصله آن با هر یک از دسته های مورد نظر ماکزیمم گردد. این نوع انتخاب باعث می شود که تصمیم گیری ما در عمل، شرایط نویزی را به خوبی تحمل کند و پاسخ دهی خوبی داشته باشد. این نحوه انتخاب مرز بر اساس نقاطی به نام بردارهای پشتیبان انجام می شود. در این گزارش ما ابتدا مفاهیمی چون تعمیم پذیری یک ماشین شناسایی الگو و بعد VC را که کاربرد زیادی در مفاهیم ماشین های دسته بندی دارند بررسی می کنیم و سپس به توضیح بردارهای پشتیبان خطی، غیر خطی و توابع کرنل می پردازیم. در نهایت نیز بعد VC را برای برخی از این توابع مورد مطالعه قرار می دهیم
کلمات کلیدی:

یادگیری ماشین

مسائل دسته بندی

ماشین بردار پشتیبان

ماشین های دسته بندی

بردارهای پشتیبان خطی

فهرست مطالب
۱ مقدمه۱
۲ حد بالا برای تعمیم‌پذیری کارایی یک ماشین یادگیر در شناسایی الگو۴
۳ بعد VC4
۳ – ۱ نقاط خردشونده با صفحات در فضای Rn5
۳-۲ بعد VC و تعداد پارامترها۶

۴ ماشین‌های بردار پشتیانی خطی، مورد جدایی‌پذیر۷

۴-۱ Karush-Kuhn-Tucker11
۴-۲ تست۱۲
۴-۳ شرایط جدایی ناپذیر۱۲

۵ بردارهای پشتیبان غیرخطی۱۵

۵-۱ شرایط Mercer16
۶ راه حل‌های فراگیر و یکتایی۱۸
۷ روش‌های حل۱۸

۸ بعد VC ماشینهای بردار پشتیبان۱۹

۸-۱ بعد VC مربوط به کرنلهای RBF (Radial Basis Function)20

۹ مراجع۲۱

دانلود بررسی عملکرد SVM's در مسائل دسته بندی

پشتیبانی

Link: http://www.getf.ir/?p=13942

بروز رساني: ۱۳۹۸/۰۳/۲۹ در ۲:۵۸ ب.ظ

دیدگاهتان را بنویسید