هدف اصلی این تحقیق بررسی تأثیر انتخاب متغیرهای ورودی با استفاده از آنالیز مؤلفه اصلی (pca) بر عملکرد مدل ماشین بردار پشتیبان (svm) برای پیش بینی ماهانه دبی رودخانه بود. به این منظور ابتدا با استفاده از 18 متغیر ورودی به مدل svm، دبی جریان ماهانه پیش بینی شد. سپس با استفاده از pca تعداد متغیرهای ورودی به مدل svm از 18 متغیر به 5 مؤلفه کاهش یافت. در نهایت با استفاده از آماره توسعه یافته توسط نویس...

طبقه‌بندی تصویر همیشه یکی از موضوعات مهم در سنجش از دور است که اطلاعات بدست آمده در زمینه طبقه‌بندی تصویر به‌طور گسترده‌ای در برنامه‌های کاربردی دیگر مانند برنامه‌ریزی شهری، مدیریت منابع طبیعی، کشاورزی و غیره استفاده می‌شود. از آنجا که هدف اصلی از پردازش تصاویر ماهواره‏ای، تهیه نقشه‏های موضوعی و کارآمد می‏باشد، انتخاب الگوریتم مناسب طبقه‏بندی نقش زیادی در این امر ایفاء می‏کند. این مطالعه کارایی...

طبقه‏بندی کاربری اراضی با استفاده از تصاویر سنجش از دور یکی از مهمترین کاربردهای سنجش از دور است و بسیاری از الگوریتم‏ها برای این منظور توسعه یافته‏اند. این مطالعه کارایی الگوریتم‏های ماشین بردار پشتیبان[1](SVMs) را در طبقه‏بندی تصاویر ماهواره‏ای مورد بررسی قرار می‏دهد. ماشین‏های بردار پشتیبان یک گروه از الگوریتم‏های طبقه‏بندی نظارت شده یادگیری ماشینی هستند که در زمینه سنجش از دور مورد استفاده ...

ماشین بردار پشتیبان (svm) به عنوان یکی از روش های مبتنی بر هسته از مهمترین روش های یادگیری ماشینی می باشد که در رگرسیون و بازشناخت الگوی داده ها به کار برده می شود. در سالهای اخیر مطالعه برای بکارگیری و ارزیابی ترکیب تبدیل ویولت با svm مورد توجه قرار گرفته است. یک هسته قابل قبول برای svm به عنوان هسته ویولت معرفی شده و ماشین بردار پشتیبان ویولت (wsvm) ایجاد شده است. هسته ویولت یک تابع ویولت چند...

تبخیر مؤلفه‏ای اساسی در چرخه هیدرولوژی است و نقش مهمی در مدیریت منابع آب دارد. در این تحقیق عملکرد مدل‏های شبکه عصبی مصنوعی (ann) و ماشین بردار پشتیبان (svm) در تخمین تبخیر روزانه ارزیابی شده است. داده‏های روزانه هواشناسی میانگین دما، سرعت باد، فشار هوا، رطوبت نسبی، بارش، دمای نقطه شبنم، و ساعت آفتابی ایستگاه‏های سینوپتیک تبریز و مراغه، به منزله ورودی مدل‏های ann و svm، برای تخمین تبخیر روزانه ...

همواره پیش­بینی روند قیمت و نوسانات یکی از چالش­های پیش­روی معامله­گران در بازارهای بورس نفت بوده و پیش­بینی قیمت­ها به عنوان یک امر ضروری وکاربردی مطرح می­شود ولیکن باید پیش­بینی را مورد توجه قرار داد که با دقت بیشتری صورت گیرد و نسبت به نتایج واقعی مشاهده شده خطای کمتری داشته باشد. به منظور پیش­بینی قیمت هفتگی نفت خام برنت به عنوان یک نفت شاخص با توجه به دشوار بودن شناسایی دقیق الگو­های خطی و...

در این مقاله یک الگوریتم جدید ومؤثر جهت طبقه بندی آریتمی های مهم قلبی با استفاده از سیگنال تغییرات ضربان قلب hrv که دارای مشخصه های آشوبگونه بهتری نسبت به ecg ست پیشنهاد شده است. در مرحله استخراج ویژگی، علاوه بر ویژگی های متداول خطی زمانی و فرکانسی، ویژگی های غیرخطی (آشوبگون) نیز بررسی شده اند. برای تسهیل در تعلیم و افزایش دقت طبقه بندی کننده، از دو تکنیک استفاده شده است: الف) تعداد ویژگی های ا...

محدوده اکتشافی داشکسن از دو کانسار ساری گونای و آق­داغ تشکیل شده است. کانسار طلای اپی ترمال ساری گونای با ذخیره 120 میلیون تن با عیار متوسط 2 گرم بر تن مهم­ترین کانسار طلای ایران در کلاس جهانی است. با استفاده از داده های ژئوشیمیایی محیط خاکی و به کمک دو روش طبقه بندی آنالیز تمایز (lda و qda) و ماشین بردار پشتیبان (c-svm و nu-svm) وضعیت کانی زایی طلا در این کانسار مدل سازی شده است. پارامتر شاخص ...

تعداد قابل توجهی از تحقیقات در استفاده از تکنیک های مدل های مخلوط گوسی (gmm) در سیستم های تایید گوینده مستقل از متن تمرکز دارد که جدیدترین عملکردها را ارائه می دهد. اخیرا استفاده از ماشین بردار پشتیبان (svm) در سیستم های تایید گوینده، منجر به عملکرد بهتری نسبت به روش استاندارد gmm شده است. svm یک طبقه بند تبعیضی است که نیاز به دو کلاس مثبت و منفی برای آموزش مدل گوینده دارد و بر اساس حداکثر حاشی...

امروزه در بسیاری از کشورهای جهان، به ویژه در مناطقی که با کمبود آب‌های سطحی مواجه هستند، بهره­برداری از منابع آب زیرزمینی بیش از پیش مورد توجه قرار گرفته است. بهره­برداری بی­رویه از این منابع، بدون بهره­گیری از مطالعات منابع آب زیرزمینی می­تواند مشکلات و پیامدهای جبران‌ناپذیری را به­بار آورد. مدیریت صحیح این منابع با شناخت کامل و آگاهی از این منابع امکان­پذیر است. در این تحقیق از مدل ماشین بردا...