| نویسندگان | ایمان بهروان، سید حمید ظهیری |
|---|---|
| همایش | بیستمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
| تاریخ برگزاری همایش | 1393/12/12 |
| محل برگزاری همایش | مشهد |
| ارائه به نام دانشگاه | دانشگاه بیرجند |
| شماره صفحات | ۶ |
| نوع ارائه | سخنرانی |
| سطح همایش | ملی |
| کلید واژه ها | ماشین بردار پشتیبان, الگوریتم بهینه سازی ازدحام ذرات, بهینه سازی چندهدفه, نرخ بازشناسی, قابلیت اطمینان |
چکیده مقاله
ماشین بردار پشتیبان (SVM) یک طبقه بند دو کلاسه است که در سال های اخیر بسیار مورد توجه قرار گرفته است. عملکرد این
طبقه بند به مقدار پارامترهای آن از جمله پارامتر (C (Penalty factor 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 طبقه بند مذکور شود بلکه باعث کاهش زمان آموزش و پیچیدگی محاسبات نیز میگردد. در این پژوهش ما از الگوریتم
چند هدفه ی (PSO (MOPSO در بهینه سازی طبقه بند ماشین بردار پشتیبان برای دو تابع هدف نرخ بازشناسی و قابلیت اطمینان
استفاده کرده ایم.
متن کامل مقاله
لینک دانلود فایل