مقایسه دقت و سرعت متدهای آموزشی چند کلاسی SVM در تشخیص الفبای ناشنوایان
محل انتشار: شانزدهمین کنفرانس دانشجویی مهندسی برق ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 677
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISCEE16_225
تاریخ نمایه سازی: 21 تیر 1393
چکیده مقاله:
Svm یا به عبارتی ماشین بردار پشتیبان، ابزار قوی ای برای کلاسبندی دوتایی می باشد. هم سرعت و دقت یادگیری بالایی دارد و هم می تواند با سرعت و دقت کلاسبندی را انجام دهد. حال یک سوال اساسی در اینجا مطرح می شود. آیا این ابزار که به این خوبی برای طبقه بندی دوتایی کاربرد دارد را می توان برای طبقه بندی چندتایی استفاده کرد؟ جواب این سوال بلی است. برای این منظور از دو روش کلی به نام یکی در مقابل همه (One Against All) و جفت جفت (Pairwise) استفاده می شود. سوال اساسی که در اینجا مطرح می شود این است که کدامیک از این دو روش کلاسبندی چندکلاسی SVM از سرعت و دقت بالاتری برخوردار است. برای پاسخ به این سوال از تصاویر حروف ناشنوایان آمریکایی استفاده شده است. برای این منظور از مجموعه داده 4 حرف آمریکایی ناشنوایان American Sign Language استفاده شده (از هر حرف 10 عدد برای آموزش و 40 عدد برای تست). نتایج بدست آمده نشان از سرعت و دقت بالای کلاسبندی جفت جفت می باشد.
کلیدواژه ها:
نویسندگان
مهدی رحمانی
دانشجوی کارشناسی ارشد مهندسی کامپیوتر،دانشگاه آزاد اسلامی واحد نجف آباد
ناصر نعمت بخش
استادیار،دانشکده کامپیوتر،دانشگاه آزاد اسلامی واحد نجف آباد
امیر حسن منجمی
استادیار، دانشکده فنی و مهندسی، گروه کامپیوتر، دانشگاه اصفهان
محمدحسین ندیمی
استادیار، دانشکده کامپیوتر، دانشگاه آزاد اسلامی واحد نجف آباد
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 :