مدلسازی ریاضی/ تصادفی/ پویا/احتمالی/فازی
علی سهله؛ مازیار صلاحی؛ صادق اسکندری
چکیده
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 ...
بیشتر
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.