سال انتشار : 2007 تعداد صفحات ترجمه : ورد15 تعداد صفحات انگلیسی : 6پی دی اف فرمت : word درمیان روش های مبتنی بر SVM برای دسته بندی چند مقوله ای ، رایج ترین موارد عبارتند از ، دو به دو و DAGSVM . عیب در واقع زمان اموزش طولانی و منطقه غیر قابل دسته بندی می باشد ؛ عیب روش دو به دویی و DAGSVM در واقع اضافه بودن دسته کننده های فرعی می باشد . ما SVM چند مقوله ای مبتنی بر نمونه بداری با عدم قطعیت را در این مقاله معرفی می کنیم . تعدادی از دسته کننده های فرعی ضروری بجای کل دسته کننده های فرعی انتخاب می شوند تا آموزش ببینند و راهیرد نمونه برداری مبهم برای تصمیم گیری استفاده می گردد که نمونه ها بایستی در هر دور آموزش انتخاب گردند . این روش مبتنی بر نمونه برداری مبهم ثابت می گردد که بواسطه نتایج آزمایشی در داده های محک زنی دقیق و کافی می باشد . 1 – مقدمه ماشین بردار پشتیبانی ( SVM ) یک تکنیک قدرتمند برای دسته بندی می باشد . این ماشین یک سری نمونه های مثبت و منفی را از طریق جستجو زیر صفحه با بزرگ ترین حاشیه بین انها دسته بندی می کند بنابراین عملکرد تعمیم بهرت و خطا های اموزش کمتر را ...