پیاده سازی کلاسبندی داده ها با استفاده از الگوریتم svm در متلبیکشنبه 22, جولای 2018

دانلود پروژه آماده پیاده سازی کلاسبندی داده ها با استفاده از الگوریتم svm در متلب

همیارپروژه یک پروژه بسیار کاربردی را در حوزه کلاسبندی با استفاده از الگوریتم ماشین بردار پشتیبان ( SVM )  انجام داده است و آن را بریا استفاده  در سایت قرار داده است

این پروژه به همراه توضیحات کد و همچنین توضیح روش استفاده شده می باشد.در زیر توضیحاتی در مورد روش داده شده است .

طبقه بندی کننده ماشین‌های بردار پشتیبان svm

ماشین بردار پشتیبان یک روش یادگیری ماشین محبوب است . آن‌ها براساس مفهوم صفحات تصمیم گیری هستند که مرز‌های تصمیم گیری را تعریف می‌کنند . ایده اصلی ماشین بردار پشتیبان استفاده از یک تابع کرنل برای نگاشت داده‌‌های ورودی به یک فضای با ابعاد بالاتر است، که در آن نمونه‌‌‌ها به صورت خطی تفکیک می‌شود . در فضای با ابعاد بالا، ماشین بردار پشتیبان یک ابرصفحه یا مجموعه‌ای از ابرصفحه‌‌‌ها می‌سازند، که برای ایجاد مرز‌های تصمیم گیری برای طبقه بندی استفاده می‌شود .

ماشین بردار پشتیبان ذاتا طبقه بندی کننده دو کلاسه است. انتظار می‌رود که هر ابرصفحه مجموعه نمونه‌‌‌ها را با داشتن دو کلاس از هم جدا کند. نمونه‌‌‌ها بر اساس آنچه که در اطراف این ابرصفحه قرار می‌گیرد طبقه بندی می‌شود. هدف ماشین بردار پشتیبان برای به حداکثر رساندن فاصله بین ابرصفحه و نزدیکترین نقاط داده‌‌های آموزشی از هر کلاس (به اصطلاح حاشیه عملکردی) است.

فرض کنیم مجموعه نقاط داده را در اختیار داریم و می‌خواهیم آنها را به دو طبقه   تفکیک کنیم. هر   یک بردار   بعدی از اعداد حقیقی است که در واقع همان متغیرهای بیانگر رفتار نرم افزار هستند.

روشهای طبقه بندی خطی، سعی دارند که با ساختن یک ابرسطح ( که عبارت است از یک معادله خطی)، داده‌ها را از هم تفکیک کنند. روش طبقه بندی ماشین بردار پشتیبان که یکی از روشهای طبقه‌بندی خطی است، بهترین ابرسطحی را پیدا می‌کند که با حداکثر فاصله(maximum margin)، داده‌های مربوط به دو طبقه را از هم تفکیک کند. به منظور درک بهتر مطلب، در شکل ۱ تصویری از یک مجموعه داده متعلق به دو کلاس نشان داده شده که روش ماشین بردار پشتیبان بهترین ابرسطح را برای جداسازی آنها انتخاب می کند..

توضیحات کاملتر و دیتاست پروژه در لینک روبرو قرار دارد : کلیک نمایید

توضیحات کاملتر در فایل پروژه قرار دارد که پس از دانلود پروژه می توانید آن را مشاهده نمایید.

این پروژه توسط تیم همیارپروژه انجام شده و با نرم افزار متلب پیاده سازی شده است.

جهت دانلود پروژه ابتدا باید آن را از طریق لینک خرید ، خریداری نمایید تا لینک دانلود برا شما نمایش داده شود.

جهت دانلود از لینک زیر استفاده نمایید.