استفاده از ماشین بردار پشتیبان (SVM) در سه مساله شناسایی الگو

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.