ماشین بردار پشتیبان دوگانه ساختاری چگالی گرا برای مسائل خطی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده مهندسی کامپیوتر
- نویسنده رامین رضوانی خراشادی زاده
- استاد راهنما رضا منصفی هادی صدوقی یزدی
- سال انتشار 1393
چکیده
الگوریتم ماشین بردار پشتیبان (svm)، به عنوان یکی از رایج ترین طبقه بندها، سعی در یافتن ابرصفحه ای می کند که دو کلاس از داده ها را با حداکثر حاشیه جدا کند. طبقه بندهای svm، بیشتر روی جداسازی بین کلاس ها تمرکز می کنند و توجه خاصی به استخراج ساختارهای درون داده های آموزشی نشان نمی دهند. درحالی که اخیرا کشف شده است که، اطلاعات ساختاری، به عنوان دانش پیشین ضمنی، نقش اساسی و حیاتی برای طراحی طبقه بندی خوب، در مسائل مختلف جهان طبیعی بازی می کند. اساسا، استفاده از اطلاعات ساختاری درون داده ها برای بهبود قابلیت تعمیم پذیری یک طبقه بند، کلاسی از طبقه بندهای حاشیه بزرگ ساختاری را معرفی می کند مانند ماشین حاشیه بزرگ ساختاری (structured large margin machine, slmm). اینکه چگونه اطلاعات ساختاری داده ها را برای ساختن طبقه بندی خوب اعمال کنیم، موضوع تحقیقاتی جدیدی است که اخیرا مورد توجه قرار گرفته است. همان طور که می دانیم، همه متدهای حاشیه بزرگ ساختاری (structural large margin) موجود، همه اطلاعات ساختاری درون کلاس ها را به درون یک مدل درنظر می گیرند. به عبارت دیگر، این متدها ارتباط اطلاعات ساختاری درون کلاسی و بین کلاسی را بالانس نمی کنند که سبب می شود این اطلاعات پیشین به طور کامل و کافی استخراج نشود. الگوریتم s-twsvm برای بهبود تعمیم پذیری متدهای مبتنی بر اطلاعات ساختاری معرفی شد و توانست مشکل تداخلات اطلاعات ساختاری بین دو کلاس را برطرف کند. اما در حل تداخلات و تناقض های بین اطلاعات ساختاری کلاسترهای یک کلاس ناتوان است و همچنین توانایی ممیزسازی داده های آموزشی از نقاط نویز را ندارد. در این نوشتار الگوریتمی با عنوان ماشین بردار پشتیبان دوگانه ساختاری چگالی گرا (dos-twsvm) معرفی می شود که با بهره بردن از قابلیت های s-twsvm، توانایی مدیریت کردن اطلاعات ساختاری درون کلاسی، به طوری که مسائل تداخلات اطلاعات ساختاری درون کلاسی را حل کند، دارا می باشد. از طرف دیگر با تمایز کردن نقاط پرت و نویز از سایر نقاط آموزشی، قابلیت تعمیم پذیری را افزایش می دهد. در انتهای این نوشتار، الگوریتم پیشنهادی با الگوریتم s-twsvm، روی مجموعه داده ساختگی و داده های mnist و همچنین مجموعه داده های uci آزمایش می شود و برتری الگوریتم پیشنهادی از نظر صحت و دقت (accuracy) در طبقه بندی داده های تست، مشاهده می شود.
منابع مشابه
توانایی ماشین بردار پشتیبان در پیش بینی درماندگی مالی
درماندگی مالی پیش از ورشکستگی مالی رخ می‌دهد و پیش بینی موثر آن یک مسئله‌ی مهم و چالش برانگیز برای شرکت‌ها می‌باشد. تحقیق حاضر به پیش بینی درماندگی مالی در قالب مدل ماشین بردار پشتیبان و با استفاده از ترکیبات جریان نقد می‌پردازد. اهمیت ابزارهای داده کاوی، و توانایی این ابزارها در پیش بینی و طبقه بندی متغیرها، استفاده از آنها را در مباحث مختلف مالی از جمله پیش بینی ورشکستگی، پیش بینی درماندگی م...
متن کاملاستفاده از روش ترکیبی موجک-ماشین بردار پشتیبان برای پیش‌بینی وقوع امواج غیرعادی
امواج غیرعادی یا سهمگین به امواجی گفته میشود که با ارتفاع خیلی زیاد، ولی بطور ناگهانی و غیر قابل پیش‌بینی و به ندرت رخ میدهند. عوامل مختلفی مثل طوفانهای شدید، توپوگرافی خاص بستر، تلاقی جریانهای کرانهای و امواج و برهم‌کنش امواج با طول موجها و فرکانسهای مختلف با یکدیگر، ممکن است سبب بروز آنها شوند. اما همه اینها هنوز در حد فرضیه هستند. هدف از این تحقیق ارائه یک روش ترکیبی برای پیش‌بینی وق...
متن کاملارائهی روشی پویا برای پیش‌بینی مکانی-زمانی آلودگی هوای شهر تهران بر مبنای ماشین بردار پشتیبان
با توجه به آثار سوء آلودگی هوا بر سلامت انسان‌ها و محیط، پیش‌بینی و مدلسازی این پدیده از جمله مسائل مهم در چند دهه‌ی گذشته بوده است. دینامیک غیر‌خطی و حجم بالای داده‌های آلودگی هوا، مشکلات پیش‌بینی این پدیده‌ی پیچیده را، بویژه در پردازش‌های پویا، دوچندان کرده است. هدف این پژوهش، ارائه‌ی الگوریتمی برخط است که بتواند با حل مشکلات روش‌های پیشین در پیش‌بینی برخط آلودگی هوا، سری زمانی آلودگی هوای شه...
متن کاملروشی جدید برای بهبود کلاس‌بندی اهداف هوایی راداری توسط کرنل‌های مختلف ماشین بردار پشتیبان
امروزه مبحث کلاس‌بندی اهداف هوایی اهمیت روزافزونی یافته است و روش‌های مختلفی برای رسیدن به این هدف مورد استفاده قرار می-گیرد. ماشین بردار پشتیبان از جمله جدیدترین روش‌های مورد استفاده در این حوزه می‌باشد. در این مقاله برای کلاس‌بندی سه هدف جنگنده، هواپیمای مسافربری و هلی‌کوپتر از سه روش کلاس‌بندی چند کلاسه ماشین بردار پشتیبان شامل روش یکی در برابر یکی، یکی در برابر همه و گراف غیرچرخشی جهت‌دار پ...
متن کاملماشین بینایی تشخیص‌گر باروری تخم‌مرغ و ارزیابی کارایی شبکه‌های عصبی و ماشین بردار پشتیبان در آن
In this research, a system is proposed for detecting fertility of eggs. The system is composed of two parts: hardware and software. The fabricated hardware provides a platform to obtain accurate images from inner side of the eggs, without harming their embryos. The software part includes a set of image processing and machine vision processes, which is able to detect the fertility of eggs from c...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده مهندسی کامپیوتر
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023