| Authors | Iman Behravan, Seyed Hamid Zahiri |
|---|---|
| Conference Title | 20st annual Computer conference |
| Holding Date of Conference | 2015-03 |
| Event Place | Mashhad |
| Presentation | SPEECH |
| Conference Level | National Conferences |
| Keywords | Support vector machine, Multi-objective optimization, Particle swarm optimization (PSO) |
Abstract
ماشین بردار پشتیبان ) SVM ( یک طبقهبند دو کلاسه است که در سال های اخیر بسیار مورد توجه قرار گرفته است. عملکرد این
طبقهبند به مقدار پارامترهای آن از جمله پارامتر Penalty factor ( C ( و پارامتر موجود در کرنل بستگی دارد. همچنین انتخاب تابع
کرنل مناسب هم تاثیر بسزایی در بهبود عملکرد آن دارد. در کنار موارد ذکر شده انجام فرایند انتخاب ویژگی نه تنها می تواند باعث
بهبود عملکرد طبقهبند مذکور شود بلکه باعث کاهش زمان آموزش و پیچیدگی محاسبات نیز میگردد. در این پژوهش ما از الگوریتم
چندهدفهی MOPSO ( PSO ( در بهینهسازی طبقهبند ماشین بردار پشتیبان برای دو تابع هدف نرخ بازشناسی و قابلیت اطمینان
استفاده کردهایم.