یک ماشین بردار پشتیبان فازی جدید با فازی سازی در دو مرحله
محل انتشار: دوازدهیمن کنفرانس مهندسی برق ایران
سال انتشار: 1383
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,405
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEE12_226
تاریخ نمایه سازی: 13 مهر 1387
چکیده مقاله:
یکی از روشهای نسبتًا جدید در شناسایی و دسته بندی الگوها، ماشین بردار پشتیبان یا SVM است . در این مقاله یک SVM فازی جدید پیشنهاد شده است که فازی سازی را در دو مرحله دخالت می دهد . در مرحله آموزش SVM ، اهمیت نسبی هر نمونه در میان نمونه های یک کلاس را با استفاده از یک تابع عضویت فازی که نسبت به داده های پرت (Outlier) غیر حساس است، دخالت داده، و در مرحله بازشناسی و تصمیم گیری نیز، بر اساس منطق فازی، یک تصمیم گیری نرم و ملایم را انجام می دهد . SVM فازیِ پیشنهاد شده ، بر روی پایگاه داده MNIST از ارقام دستنویس آزمایش گردیده و به ازای کرنل های چندجمله ای و RBF دارای راندمانی بالاتر از SVM استاندارد برای شناسایی ارقام دستنویس می باشد.
کلیدواژه ها:
ماشین بردار پشتیبان فازی ، شناسایی الگو ، منطق فازی ، روشهای مبتنی بر کرنل(هسته) ، شناسایی ارقام دستنویس
نویسندگان
جهانشاه کبودیان
آزمایشگاه پردازش هوشمند سیگنالهای صوتی و گفتاری، دانشکده مهندسی کام
محمدحسن مرادی
دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر(پلی تکنیک تهران)، تهرا
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 :