CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

مروری بر ماشین های بردار پشتیبان

اعتبار موردنیاز : ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۴۵۶ | نظرات: ۱
سال انتشار: ۱۳۹۴
کد COI مقاله: MAYCOMP01_057
زبان مقاله: فارسی
حجم فایل: ۲۹۷.۴ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مروری بر ماشین های بردار پشتیبان

  فاطمه نجفی - عضو هیات علمی گروه کامپیوتر، واحد ایذه، دانشگاه آزاد اسلامی واحد ایذه، ایران
  محمد جواد کارگر - عضو هیات علمی گروه کامپیوتر، واحد میبد، دانشگاه آزاد اسلامی واحد میبد، ایران

چکیده مقاله:

در این مقاله مروری بر ماشین های بردار پشتیبان داریم. روش بردارهای پشتیبان یک روش بسیار کارا در دسته بندی داده ها می باشد. بزرگترین محدودیت روش بردارهای پشتیبان در انتخاب Kernel می باشد، زمانی که Kernel ثابت باشد، دسته بندی SVM تنها دارای یک پارامتر قابل تغییر توسط کاربر می باشد (پارامتر جریمه ی خطا). انتخاب بهترین Kernel برای یک مسئله ی خاص از مسائل مهم و مطرح می باشد. دومین محدودیت در سرعت و اندازه در آموزش و تست می باشد. آموزش پایگاه داده های بسیار بزرگ، مسئله ای غیرقابل حل به روش عددی می باشد. راه حل هایی برای این قبیل از مسائل ارائه گردیده که به برخی از آنها در مقاله اشاره می گردد. یکی دیگر از مسائل مشکل در طراحی تفکیک کننده برای SVM چند کلاسه می باشد که در اینجا نیز راه حل های ابداع شده جهت رفع این مشکل ارائه گردیده است. ماشینهای بردار پشتیبان نسبت به سایر روش های دسته بندی داده ها مانند Neural Network در صورتی که انتخاب ها، مناسب انجام شوند (انتخاب حل کننده ی معادله ی درجه ی دوم، انتخاب Kernel) از دقت بسیار خوب و بالایی برخوردار می باشد. هدف از ارائه این مقاله، تحلیل روش های مطرح شده در ماشین های بردار پشتیبان می باشد. در این مقاله الگوریتم ها ارائه شده را با توجه به پیچیدگی محاسباتی، دقت دسته بندی، قابلیت تعمیم پذیری و زمان یادگیری با هم مقایسه کرده ایم.

کلیدواژه‌ها:

ماشین های بردار پشتیبان (SVM)، ماشین های بردار پشتیبان دوگانه، ماشین بردار پشتیبان دوگانه ی مرزی، حداقل مربعات ماشین بردار پشتیبان، دسته بندی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-MAYCOMP01-MAYCOMP01_057.html
کد COI مقاله: MAYCOMP01_057

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
نجفی, فاطمه و محمد جواد کارگر، ۱۳۹۴، مروری بر ماشین های بردار پشتیبان، اولین همایش چشم انداز تکنولوژی کامپیوتر و شبکه در 2030، میبد یزد، دانشگاه آزاد اسلامی واحد میبد، https://www.civilica.com/Paper-MAYCOMP01-MAYCOMP01_057.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (نجفی, فاطمه و محمد جواد کارگر، ۱۳۹۴)
برای بار دوم به بعد: (نجفی و کارگر، ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Cortes, C., Vapnik, V., "Support Vector Network", Mach Learn, vol. ...
  • Platt, J., "Sequential minimal optimization: A fast algorithm for training ...
  • Vapnik, V., "The nature of statistical learning", 2nd Ed. New ...
  • Campbell, C.. "Kernel methods: a survey of current techniques, " ...
  • Lee, Y. J., Huang, S. Y., "Reduced Support Vector Statistical ...
  • Tipping, M., "Sparse Bayesian learning and the relevance vector machine", ...
  • Khemchandan, R., Chandra, S., "Twin support vector machines for pattern ...
  • Empirical Analysis of AdaBoost Twin Bounded Support Journal of Information ...
  • Arun Kumar, M., Gopal, M., "Least squares twin support vector ...
  • Tomar, D., Agarwal. S., "Feature selection based least square twin ...
  • Gao, S., Ye, Q., "1-Norm least squares twin support vector ...
  • Yitian, Xu., Wenwen, Xi., Xin, Lv., " An Improved Least ...
  • Shao, Y., Chen, W., Huang, W., Yang, Z., Deng, N., ...
  • Chen, W., J., Shao, Y., H., Li, C., N., Deng, ...
  • Kaufman, L, "Solving the quadratic programming problem arising in support ...
  • Suykens, K., Vandewalle, J., "Least squares support vector machine classifiers", ...
  • Wang Xu., YT, , Zhong, P., " A rough margin-based ...
  • Tomar, D., Agarwal, S., "Twin Support Vector Machine: A review ...
  • علم سنجی و رتبه بندی مقاله

    5.0
    ۱ تعداد پژوهشگران نظر دهنده
    5 1
    4 0
    3 0
    2 0
    1 0
    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۴۸۳
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.