ارزیابی کارایی وتحمل پذیری خطا در الگوریتم های مبتنی برماشین بردار پشتیبان

چکیده مقاله

در مسائل دسته بندی استفاده از الگوریتم های مبتنی بر ماشین بردار پشتیبان، رویکردی است که مورد توجه بسیاری قرار گرفته است. با انتخاب مرز تصمیم گیری مناسب، باعث می شود شرایط نویزی را به خوبی تحمل کنند و پاسخ دهی خوبی داشته باشند. در این پژوهش الگوریتم های دسته بندی ماشین بردار پشتیبان و ماشین بردار پشتیبان یکنواخت را بر روی پنج مجموعه داده که از سایت UCI استخراج شده مورد ارزیابی قرار داده ایم، عملکرد کارایی الگوریتم ماشین بردار پشتیبان یکنواخت نسبت به ماشین بردار پشتیبان در حالت تفکیک پذیری خطی و تفکیک پذیری غیر خطی با توابع هسته چند جمله ای،گوسین،شعاعی پایه ای و سیگوئیدی بر روی پنج مجموعه داده در سطح نسبتا بهتری قرار گرفت و ماشین بردار پشتیبان در حالت تفکیک پذیری غیر خطی با هسته خطی عملکرد چشم گیرتری نسبت به روش دیگر داشت.بالاترین میزان دقت در حالت تفکیک پذیری خطی توسط ماشین بردار پشتیبان یکنواخت بر روی مجموعه داده CMC بارکورد نسبتا بیشتر به میزان %25.89 و در حالت تفکیک پذیری غیر خطی با هسته چندجمله ای بر روی مجموعه داده Vowel % با میزان دقت 25.52 می باشد.

دریافت لینک دانلود مقاله