استفاده از ماشین بردار پشتیبان (SVM) در سه مساله شناسایی الگو
محل انتشار: اولین کنفرانس بین المللی فناوری اطلاعات و دانش
سال انتشار: 1382
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 6,853
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICIKT01_034
تاریخ نمایه سازی: 24 اردیبهشت 1388
چکیده مقاله:
یکی از ایده های جدید در شناسایی و دسته بندی الگوها، ماشین بردار پشتیبان یا SVMاست. ماشین بردار پشتیبان دارای خواص بسیار ارزشمندی است که آن را برای شناسایی الگو مناسب می سازد. از جمله اینکه SVM در آموزش خود مشکل بهینه های محلی را ندارد، دسته بندی کننده را با حداکثر تعمیم بنا می کند، ساختار و توپولوژی خود را بصورت بهینه تعیین می نماید و توابع تمایز غیر خطی را به راحتی و با محاسبات کم، با استفاده از مفهوم حاصلضرب داخلی در فضای هیلبرت، تشکیل می دهد. در این مقاله، ما SVM خطی و غیر خطی را برای تشخیص نواحی آب در تصاویر ماهواره ای Landsat ، مساله دو مارپیچ و تشخیص ارقام دستنویس فارسی استفاده کردیم. نتایج بدست آمده ، کارایی و تعمیم بالای SVM را نشان میدهد.
کلیدواژه ها:
شناسایی الگو ، ماشین بردار پشتیبان ، دسته بندی نواحی در تصاویر ماهواره ای ، مساله دو مارپیچ ، تشخیص ارقام دستنویس
نویسندگان
جهانشاه کبودیان
آزمایشگاه سیستمهای هوشمند صوتی- گفتاری
محمد رحمتی
آزمایشگاه پردازش تصاویر و شناسایی الگو، دانشکده مهندسی کامپیوتر و فن
محمدمهدی همایون پور
آزمایشگاه سیستمهای هوشمند صوتی- گفتاری
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 :