بدترینِ برادران، کسی است که برایش به رنج افتند. [امام علی علیه السلام]
 
چهارشنبه 95 آبان 12 , ساعت 6:14 صبح

 

برای دریافت پروژه اینجا کلیک کنید

مقاله Nonlinear Combination of Kernels Using Genetic Algorithm for Improvement of Support Vector Machine Classification Error تحت فایل ورد (word) دارای 5 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله Nonlinear Combination of Kernels Using Genetic Algorithm for Improvement of Support Vector Machine Classification Error تحت فایل ورد (word) کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.

این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله Nonlinear Combination of Kernels Using Genetic Algorithm for Improvement of Support Vector Machine Classification Error تحت فایل ورد (word) ،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن مقاله Nonlinear Combination of Kernels Using Genetic Algorithm for Improvement of Support Vector Machine Classification Error تحت فایل ورد (word) :

سال انتشار: 1391
محل انتشار: یازدهمین کنفرانس سراسری سیستم های هوشمند
تعداد صفحات: 5
چکیده:

Support Vector Machine (SVM), is a powerful machine learning technique widely used for regression and classification. As a classifier, we can use SVM as a linear classifier or kernel based classifier. In case of kernel based classification, the type of kernel function and its parameters affect significantly on classification accuracy. In this paper, we propose a method based on genetic algorithm to obtain a suitable kernel function based on nonlinear combination of conventional kernel functions. We use classification error as our genetic algorithm fitness function which should be minimized. We evaluate the proposed approach using UCI dataset. Results show that this nonlinear combination can improve SVM true classification rate

 

 

برای دریافت پروژه اینجا کلیک کنید

لیست کل یادداشت های این وبلاگ