بهبود حل مسئله تک کلاسه با استفاده از توصیف داده بردار پشتیبان

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 بهبود حل مسئله تک کلاسه با استفاده از توصیف داده بردار پشتیبان دارای ۹ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد بهبود حل مسئله تک کلاسه با استفاده از توصیف داده بردار پشتیبان  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی بهبود حل مسئله تک کلاسه با استفاده از توصیف داده بردار پشتیبان،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن بهبود حل مسئله تک کلاسه با استفاده از توصیف داده بردار پشتیبان :

تعداد صفحات :۹

چکیده مقاله:

امروزه مسئله کلاس بندی تک کلاسه کاربرد بسیار وسیعی در تفکیک یک نوع خاص داده با کل داده های پیرامونش پیدا نموده است.یکی از روش های مهم در این زمینه توصیف داده بردار پشتیبانی (SVDD) است. SVDD فقط از نمونه های مثبت استفاده میکند تا به دستگاه محاسب و پیشبینی کننده بیاموزد که آیا یک نمونه مثبت است یا منفی. زمانی که کسری از نمونه های منفی موجود باشد، انتظار می رود که عملکرد SVDD بهبود یابد. SVDD-neg در بعضی موارد یعنی زمانی که نمونه های منفی وجود دارند، از SVDD بدتر می شود. SVM معمولی، معمولا از تعداد زیادی بردار پشتیبان ناشی می شود، چرا که تمام نمونه های آموزش در طرف اشتباه از حاشیه خود به بردار پشتیبان تبدیل می شوند و متغیرها لغزان آن نمونه ها را بر روی مرزهایشان می کشند. با این حال، روش پیشنهادی بطور قابل توجهی تعداد بردارهای پشتیبان را کاهش میدهد چرا که تنها تعداد کمی از نمونه های آموزشی در طرف اشتباه از حاشیه شان را بر روی مرزها برای تبدیل به بردار پشتیبان میکشند. در این مقاله، یک الگوریتم جدید "SVM-SVDD" ارائه شده است که در آن هم ماشین بردار پشتیبان بهبود یافته و SVDD برای حل مسئلهتوصیف داده با نمونههای منفی استفاده شده است. نتایج آزمایشی نشان میدهد که SVM-SVDD از SVDD-neg هم از جهت زمان آموزش و هم از نظر صحت و دقت بهتر میباشد