Thesis

دسته بندی استوار و ماشین های بردار پشتیبان

Download full textFree with an account; signing up with Google takes seconds

Abstract(in Persian; no English abstract is available)

دسته بندی از مسائل اصلی در یادگیری ماشین است ‎‎به طوری که مسائل متعددی از دنیای واقعی را می توان به صورت آن مطرح و حل کرد. یکی از روش های قدرتمند که در حال حاضر به صورت گسترده برای مسئله دسته بندی مورد استفاده قرار می گیرد، روش ماشین های بردار پشتیبان است. یک فرض اساسی در این روش این است که داده ها قطعی هستند در حالی که در دنیای واقعی داده ها معمولا دارای عدم قطعیت هستند. عدم قطعیت داده ها در مسائل دسته بندی بر جواب مسئله بسیار اثر گذار است، از این رو به مطالعه عدم قطعیت داده های ورودی در ماشین های بردار پشتیبان می پردازیم. با استفاده از مدل های عدم قطعیت مختلف، دسته بندی استوار را به صورت مسائل برنامه ریزی خطی یا برنامه ریزی مخروطی درجه دوم بیان می کنیم. در پایان نیز دسته بندی معمولی و استوار را پیاده سازی و روی چندین مثال واقعی با یکدیگر مقایسه می کنیم. آزمایشات عددی نشان از برتری مدل استوار دارند.

Supervisors and advisors

مازیار صلاحی

Figures (2)

  • Figure, page 1
    page 1
  • Figure, page 2
    page 2

Figures are taken from the article's full text; their rights belong to the authors and the publisher.

Similar theses

  • تشخیص سرطان سینه با استفاده از دسته بندی کننده ماشین بردار پشتیبان

    Thesis2013دانشگاه بین المللی امام خمینی (ره) - قزوین - دانشکده فنیالناز الفتی

    با توجه به نرخ بالای مرگ و میر ناشی از بیماری سرطان سینه در میان زنان، آشکارسازی زودهنگام روشی موثر در تشخیص سریع و هدایت این بیماری و امکان معالجه به موقع و در نتیجه کاهش مرگ و میر می باشد. در این تحقیق دسته بندی کننده ماشین بردار پشتیبان با انتخاب ویژگی تحلیل مولفه های اصلی برا

  • کاهش ویژگی با استفاده از الگوریتم بهینه سازی توده ذرات وکلاسه بندی با ماشین بردار پشتیبان

    Thesis2012وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شاهرود - دانشکده برق و الکترونیکمحسن صدیقی ناو

    انتخاب ویژگی و کاهش ابعاد داده امری مهم و قابل توجه در بازشناسی الگو می باشد که در سالهای اخیر توجه زیادی بر آن بوده است. این امر باعث افزایش سرعت پردازش در سیستم های بلادرنگ و کاهش حافظه برای ذخیره سازی اطلاعات می شود. در این راستا نقش الگوریتم های بهینه سازی خصوصاً الگوریتم بهی

  • دسته بندی داده ها به روش ماشین بردار پشتیبان با توابع هدف چندگانه

    Thesis2012وزارت علوم، تحقیقات و فناوری - دانشگاه شاهد - دانشکده فنیعلی ندایی

    پیش بینی، هدف اصلی مسائل دسته بندی است. به عبارت دیگر در چنین مسائلی با استفاده از داده های پیشین سعی می شود که برچسب (دسته) های از قبل معلوم به یک داده جدید تخصیص یابد. به عنوان مثال پیش بینی پرخطر و یا کم خطر بودن مشتریان یک بانک هنگام تقاضای وام. در این حالت مسئله دارای دو دست

  • دسته بندی مفهومی اسناد فارسی به کمک ماشین بردار پشتیبان

    Thesis2013وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز - دانشکده علوم ریاضی و مهندسی کامپیوترپگاه ملک پور علمداری

    دسته بندی اسناد، فرآیندی است که اسناد را به یک یا چند دسته از قبل تعریف شده تقسیم می کند. در این پایان نامه، یک سیستم دسته بندی مفهومی اسناد فارسی با استفاده از ماشین بردار پشتیبان ارائه شده است. همچنین، تاثیر رهیافت های مختلف پیش پردازش شامل شاخص گذاری اسناد، ریشه یابی، بردار نم

  • رتبه بندی اعتباری با ماشین بردار پشتیبان

    Thesis2011وزارت علوم، تحقیقات و فناوری - موسسه آموزش عالی غیرانتفاعی و غیردولتی رجاء قزوین - پژوهشکده فنی و مهندسیوجیهه منتظرتربتی

    ارزیابی ریسک اعتباری یکی از مهمترین موضوعات در زمینه مدیریت ریسک مالی می باشد. با توجه به بحران مالی اخیر و نگرانی های نظارتی بازل ii ، ارزیابی ریسک اعتباری، تمرکز اصلی خدمات مالی و صنعت بانکداری شده است. به خصوص برای موسسات اعتباری، مانند بانک های تجاری ، شرکت های اعتباری ، بانک

  • استفاده از روش ماشین بردار پشتیبان برای دسته بندی اعداد دست نوشته توسط انسان

    Thesis2015وزارت علوم، تحقیقات و فناوری - دانشگاه ملایر - دانشکده فنیامین فرهادی

    یکی از تکنولوژی هایی که امروزه بسیار مورد توجه قرار گرفته است تکنولوژی تشخیص دست خط انسان به وسیله ی پردازنده های دیجیتال، به ویژه تشخیص اعداد دست نوشته است. در این زمینه روش ماشین بردار پشتیبان به یکی از محبوب ترین و پرکارآمدترین روش های دسته بندی تبدیل شده است. این روش که به عن

Similar items