مدلی مبتنی بر الگوریتم ژنتیک برای انتخاب/استخراج ویژگی و بهینه سازی پارامترهای SVM
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 4,461
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:
FJCFIS01_167
تاریخ نمایه سازی: 14 خرداد 1387
چکیده مقاله:
ماشینهای بردار حامی (SVM) . نوعی الگوریتم یادگیری آماری هستند که در سالهای اخیر مورد توجه فراوانی قرار گرفته اند . SVM به طور کلی کاربردهای زیادی در بحث شناسایی الگو و برازش غیرخطی دارد. توابع هسته ای نقش مهمی در توانایی کلاس بندی آنها بازی میکنند. تنظیم مناسب پارامترهای هسته میتواند در دقت کلاس بندی آن نقش خیلی مهمی داشته باشد. در عین حال انتخاب مناسب ویژگیهای ورودی نیز یکی از مسائل مهم در یک فرآیند کلا س بندی میباشد. در این مقاله مدلی مبتنی بر الگوریتم ژنتیک پیشنهاد شده است که از مجموعه بردار ویژگی ورودی زیر مجموعه ای را انتخاب یا استخراج (با استفاده از PCA ) میکند و بطور همزمان پارامترهای کلاس بند SVM را بهینه میسازد. نتایج شبیه سازی روی برخی مجموعه داده های معروف کارایی این روش را نشان میدهد .
کلیدواژه ها:
نویسندگان
احسان عادلی مسبب
دانشگاه علم و صنعت ایران، دانشکدهی مهندسی کامپیوتر، آزمایشگاه پرداز
محمود فتحی
دانشگاه علم و صنعت ایران، دانشکدهی مهندسی کامپیوتر، آزمایشگاه پرداز
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 :