کاهش خطای دسته بندی ماشین بردار پشتیبان با استفاده از الگوریتم های تکاملی

بررسی شبکه های خودرویی بدون زیرساخت موردی برای افزایش کیفیت سرویس
نوامبر 28, 2016
ارائه روش واترمارکینگ ویدئو بر اساس تعمیم روش واترمارکینگ فرکتال تصویر
نوامبر 28, 2016

کاهش خطای دسته بندی ماشین بردار پشتیبان با استفاده از الگوریتم های تکاملی

مساله بازشناسی الگو روشی علمی است که هدف آن طبقه­بندی اشیا به تعدادی دسته به وسیله استخراج     ویژگی­های مهم یا صفات داده می­باشد. برای آنکه روش بازشناسی و دسته­بندی موفق عمل کند، باید روش    دسته­بندی اعمال شود که برای ماهیت دادگان و مساله بازشناسی مناسب باشد. ماشین بردار پشتیبان یکی از ابزارها در زمینه دسته­بندی الگوها و یادگیری ماشین است که در طی دهه اخیر معرفی شده است. ماشین بردار پشتیبان یک دسته­بند متمایزساز است که می­توان آن را برای جداسازی الگوهایی که به صورت خطی جدایی پذیر نیستند نیز به کار برد. برای این منظور ماشین بردار پشتیبان را می­توان به همراه یک تابع هسته استفاده کرد. در این موارد، دو عامل تأثیر زیادی در کارایی ماشین بردار پشتیبان دارد که عبارتند از تابع هسته مناسب و انتخاب پارامترهای مناسب برای این تابع.

s81

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

WhatsApp chat