بهبودی در ماشین بردار پشتیبان دوگانه حاشیه-پارامتری

هدف: هدف در این مقاله ارایه یک نوع بهبودیافته از مدل ماشین بردار پشتیبان دوگانه حاشیه-پارامتری به‌منظور بهبود عملکرد کلاس‌بندی است.روش‌شناسی پژوهش: با جایگزین کردن متغیر جدید در تابع هدف، نقاط یک کلاس از ابرصفحه حاشیه-پارامتری کلاس دیگر تا جای ممکن دور می‌شود.یافته‌ها: مدل بهبودیافته  در هر دو حالت...

Full description

Bibliographic Details
Main Authors: علی سهله, مازیار صلاحی, صادق اسکندری
Format: Article
Language:fas
Published: Ayandegan Institute of Higher Education, Tonekabon, 2022-10-01
Series:تصمیم گیری و تحقیق در عملیات
Subjects:
Online Access:http://www.journal-dmor.ir/article_138136_03dd24afed6136587718595a358411b5.pdf
Description
Summary:هدف: هدف در این مقاله ارایه یک نوع بهبودیافته از مدل ماشین بردار پشتیبان دوگانه حاشیه-پارامتری به‌منظور بهبود عملکرد کلاس‌بندی است.روش‌شناسی پژوهش: با جایگزین کردن متغیر جدید در تابع هدف، نقاط یک کلاس از ابرصفحه حاشیه-پارامتری کلاس دیگر تا جای ممکن دور می‌شود.یافته‌ها: مدل بهبودیافته  در هر دو حالت خطی و غیرخطی محدب است. همچنین آزمایش‌های عددی بر روی داده‌های  کتابخانه‌ای UCI نشان دهنده عملکرد بهتر مدل پیشنهادی در مقایسه با دو مدل مشابه در مقایسه با دو مدل مشابه در حالت‌های خطی و غیرخطی از نظر دقت است.اصالت/ارزش افزوده علمی: مطالعات قبلی انجام شده در مدل ماشین بردار پشتیبان دوگانه حاشیه-پارامتری که از طریق روش‌های مانند وزن‌دار کردن داده‌ها، تبدیل کردن  آن به  مدل نامقید و یا اضافه کردن عبارت جدید در تابع هدف دقت مسئله را افزایش می‌دهند، تضمین‌کننده دور بودن تمام نقاط از ابرصفحه و قرار داشتن آن‌ها در نیم فضای منفی نیستند؛ اما این بررسی  یک رویکرد جدید برای رفع این مشکل ماشین بردار پشتیبان دوگانه حاشیه-پارامتری ارایه می‌دهد.
ISSN:2538-5097
2676-6159