بهبود روش مبتنی بر ماشین بردار پشتیبان انتخاب بهترین پارامتر برای دسته بندی و رگرسیون داده های حجیم
سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 315
فایل این مقاله در 10 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:
CITCOMP03_174
تاریخ نمایه سازی: 31 اردیبهشت 1398
چکیده مقاله:
پیش بینی دسته بندی و رگرسیون داده ها یکی از مباحث مهم و پرکاربرد در علوم مختلف است. بررسی دقت این پیش بینی می تواند بسیار حایز اهمیت باشد روش های متعددی در این زمینه ارایه شده اند که می توان پایین بودن دقت و انجام محاسبات زیاد را از معایب آنها دانست. از جمله روش های معروف مانند شبکه های عصبی، ماشین بردار پشتیبان و روش های آماری نام برد. در این پایان نامه یک روش بر پایه ماشین بردار پشتیبان ارایه شده است که بتوان به کمک آن دقت پیش بینی دسته بندی و رگرسیون داده های حجیم با مشخصه مذکور را بالا برد. بهینه سازی پارامترهای تنظیم، انتخاب بهترین تابع کرنل پیش پردازش داده ها و نرمال سازی از جمله مواردی است که می توانند در این موضوع نقش بسزایی داشته باشند. با به کار گیری الگوریتم بهینه سازی نتایج خوبی حاصل شد بطوری که نتایج تابع درصد افزایش دقت را شامل شده اند
کلیدواژه ها:
نویسندگان
آناهیتا اخوان کفاش
گروه کامپیوتر، دانشکده فنی و مهندسی، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران
محمدرضا فرهمند
عضو هیات علمی، واحد ابرکوه، دانشگاه آزاد اسلامی، یزد، ایران