Tìm thấy 20+ kết quả cho từ khóa "Support vector machine"
000000208344-TT.pdf
dlib.hust.edu.vn Xem trực tuyến Tải xuống
Luận văn Thạc sỹ 2Support Vector MachineMục tiêu chính của luận văn là tìm hiểu lĩnh vực khai phá văn bản, trong đó tập trung nghiên cứu lý thuyết và thử nghiệm trên bộ dữ liệu có sẵn các ứng dụng phân loại văn bản bằng phương pháp Support Vector Machines (SVM). Trong hai phần cuối của chương 1, tác giả trình bày cụ thể về lý thuyết của bài toán phân loại văn bản và các bước thực hiện để phân loại văn bản.
00050004186.pdf
repository.vnu.edu.vn Xem trực tuyến Tải xuống
Các phương phương pháp học máy thường được sử dụng rộng rãi là Mạng nơ-ron nhân tạo, máy vector hỗ trợ, k-láng giềng gần nhất, Naive Bayes, mô hình hỗn hợp Gauss. Trong đó, thuật toán máy vector hỗ trợ (Support Vector Machine) là phương pháp mới và tiên tiến, đang được đánh giá rất cao do tính hiệu quả trong việc nhận dạng và phân lớp dữ liệu của nó.
1. Luan van - ChuVanVinh.pdf
repository.vnu.edu.vn Xem trực tuyến Tải xuống
Trong đó, thuật toán máy vector hỗ trợ (Support Vector Machine) là phƣơng pháp mới và tiên tiến, đang đƣợc đánh giá rất cao do tính hiệu quả trong việc nhận dạng và phân lớp dữ liệu của nó. Nội dung chính của thuật toán máy vector hỗ trợ là tìm ra một siêu phẳng phân cách tối ƣu để có thể phân chia dữ liệu tuyến tính ra làm hai lớp khác nhau.. Chƣơng 2: Các hàm nhân trong máy vector hỗ trợ. Chƣơng 3: Ứng dụng của hàm nhân trong nhận dạng chữ số viết tay..
dlib.hust.edu.vn Xem trực tuyến Tải xuống
VŨ VIỆT VŨ PHƯƠNG PHÁP SUPPORT VECTOR MACHINES VÀ ỨNG DỤNG CHUYÊN NGÀNH: CÔNG NGHỆ THÔNG TIN LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS NGUYỄN THANH THUỶ HÀ NỘI - 2004 LuËn v¨n Th¹c sÜ C«ng nghÖ Th«ng tin 1 MỤC LỤC MỞ ĐẦU. Các phương pháp học. Support Vector Machines và phân lớp với khoảng cách lớn nhất. Phân lớp tuyến tính. Khoảng cách giữa các siêu phẳng. KHÔNG GIAN ĐẶC TRƯNG. Không gian đặc trưng. Hàm hạt nhân. Khái niệm hàm hạt nhân.
000000208344.pdf
dlib.hust.edu.vn Xem trực tuyến Tải xuống
Các kỹ thuật được sử dụng có thể là các phương pháp truyền thống như học máy (machine learning), nhận dạng (recognition), thống kê (statistics), phân loại (classification.
00050005722.pdf
repository.vnu.edu.vn Xem trực tuyến Tải xuống
Transductive Inference for Text Classification using Support Vector Machines. International Conference on Machine Learning (ICML), 1999.. Semi-Supervised Support Vector Machines. [23] Chun Nam Yu (2011), Improved learning of structural support vector machines:. Mangasarian, Proximal support vector machine classifiers
repository.vnu.edu.vn Xem trực tuyến Tải xuống
Multi-Instance Multi-Label Learning Support Vector Machine. 12 MIML-DD Multi-Instance Multi-Label Learning Diversity Density. 13 MIML-EMDD Multi-Instance Multi-Label Learning.
000000253582.pdf
dlib.hust.edu.vn Xem trực tuyến Tải xuống
Hình 2.16: Minh họa về góc giữa các vector tài liệu Hình 2.17: Ý tưởng của phương pháp Support Vector Machine. Hình 2.18: Mặt siêu phẳng tách các mẫu dương khỏi mẫu âm. Hình 2.19: Minh họa cho trường hợp siêu phẳng lề mềm. Hình 2.20: Minh họa cho việc sử dụng ánh xạ phi tuyến φ.
000000254829.TT.pdf
dlib.hust.edu.vn Xem trực tuyến Tải xuống
Mục đích, phạm vi nghiên cứu Với Luận văn này em tập trung nghiên cứu sâu vào bài tốn cùng với 02 phương pháp để thực hiện phân loại văn bản đĩ là Nạve Bayes, và Support Vector Machine. Thực hiện phân loại trên các tập dữ liệu mẫu, và đánh giá kết quả thu được. Nghiên cứu giải thuật SVM nĩi chung và áp dụng cho bài tốn phân loại văn bản nĩi riêng.
tainguyenso.vnu.edu.vn Xem trực tuyến Tải xuống
Also, we extract facial feature points by EBGM (Elastic Bunch Graph Matching) to estimate atmosphere class by SVM (Support Vector Machine). When the atmosphere of the other person except the speaker is not "positive". class, the digital camera work zooms in only the speaker. When the atmosphere of the other person is "positive".
repository.vnu.edu.vn Xem trực tuyến Tải xuống
Girosi, “Training Support Vector Machines: An Application to Face Detection”, Proc. Pitas, “Rule-based Face Detection in Frontal Views”, Proc. Bennett, “Finding Face Features”, Proc
310300.pdf
dlib.hust.edu.vn Xem trực tuyến Tải xuống
Trong luận văn này ta nghiên cứu 3 phƣơng pháp học máy: phƣơng pháp xác suất Bayes vàhai phƣơng pháp sử dụng không gian vector K Láng giềng gần nhất, Máy vector hỗ trợ (Support Vector Machine). Chi tiết về cách triển khai các thuật toán này đƣợc trình bày trong chƣơng 4. Đi vào chƣơng 2 dƣới đây ta sẽ biết đƣợc cấu trúc của hệ điều hành android và cách xử lý các tin nhắn SMS.
311509-tt.pdf
dlib.hust.edu.vn Xem trực tuyến Tải xuống
Trong luận văn này, việc phát hiện xe là sự kết hợp giữa phương pháp trích xuất đặc trưng HOG (Histogram of Oriented Gradients) và thuật toán phân lớp SVM (Support vector machine).
000000273747.pdf
dlib.hust.edu.vn Xem trực tuyến Tải xuống
Sau đó sử dụng bộ nhận dạng máy vector hỗ trợ ( Support Vector Machine – SVM) để nhận dạng các khu vực ung thƣ.
000000254829.pdf
dlib.hust.edu.vn Xem trực tuyến Tải xuống
Bộ dữ liệu Reuters-21578. 61 KẾT LUẬN VÀ KIẾN NGHỊ TÀI LIỆU THAM KHẢO iii DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT KÝ TỰ VIẾT TẮT Ý NGHĨA TC Text Classification, Text Categorization – phân loại văn bản IR Information Retriveal ML Machine Learning SVM Support Vector Machine KKT Điều kiện Karush-Kuhn-Tucker WCNB Weight-normalized Complement Naive Bayes MNB Multinomial Naive Bayes CNB Complement Naive Bayes TWCNB Transformed Weignt-normalized Complement Naive Bayes iv DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Hình 1.
310691.pdf
dlib.hust.edu.vn Xem trực tuyến Tải xuống
Học viên Trịnh Tiến Hòa 3 DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT Từ viết tắt Thuật ngữ Giải thích K-SVD K- Singular value decomposition Phân rã K giá trị kỳ dị MOD Method of optimal directions Phương pháp hướng tối ưu SSE Sum of Squared Error Tổng lỗi trung bình bình phương SNR Signal-to-noise ratio Tỉ lệ tín hiệu trên nhiễu SVM Support vector machine Máy vector hỗ trợ VQ Vector quantization Lượng hóa vector MSE Mean Squared Error Trung bình bình phương sai số OMP Orthogonal matching pursuit Đuổi
000000254329.pdf
dlib.hust.edu.vn Xem trực tuyến Tải xuống
Cấu trúc và hoạt động của một mô hình mờ31 2.2 Phân loại mô hình mờ 31 - Mô hình mờ Mandani31 - Mô hình mờ Takagi- Sugeno32 - Mô hình mờ Tsukamoto32 III- Phương pháp trích chọn đặc trưng kết hợp với SVM (Support Vector Machine) cho việc nhận dạng33 1. Một số phương pháp tuyển chọn 33 2.1 Trọng số vùng (Zoning)34 2.2 Biểu đồ chiếu (Projection Histograms)34 2.3 Trích chọn chu tuyến (Contour Profiles)35 2.4 Trích chọn đặc trưng Wavalet Haar35 2.5 Vector đặc trưng hướng (Direction Feature)37 3.
repository.vnu.edu.vn Xem trực tuyến Tải xuống
Trong phương pháp sử dụng học máy, tác giả cũng trình bày các thuật toán được áp dụng như Người láng giềng gần nhất (K- Nearest Neighbor), mô hình cây quyết định, thuật toán máy hỗ trợ vector (SVM – Support Vector Machine), mô hình Entropy cực đại (Maximum Entropy). Luận văn cũng đưa ra đánh giá đối với từng phương pháp và đưa ra lý do khi quyết định sử dụng phương pháp Maximum Entropy..
tainguyenso.vnu.edu.vn Xem trực tuyến Tải xuống
Rất nhiều phương pháp đã được áp dụng như: mô hình hồi quy [Fuhr, 1991], k-nearest neighbors [Dasarathy, 1991], Naïve Bayes [Joachims, 1997], cây quyết định [Fuhr, 1991], học luật quy nạp [William & Yorm, 1996], Support vector Machine [Vapnik, 1995], mô hình cực đại entropy [Berger, 1996 và Della Pietra, 1997]. Mỗi ràng buộc thể hiện một đặc trưng của dữ liệu huấn luyện.
repository.vnu.edu.vn Xem trực tuyến Tải xuống
Các mô hình học máy: Giới thiệu về hai mô hình học máy là mô hình phân lớp Naïve Bayes và mô hình phân lớp Máy hỗ trợ vector (SVM - Support Vector Machines).. Kết quả thực nghiệm và đánh giá: Chuẩn hóa dữ liệu từ bộ dữ liệu của MovieLens. Xây dựng thử nghiệm với mô hình phân lớp Naïve Bayes và thử nghiệm với mô hình phân lớp máy hỗ trợ vector thực hiện bằng Weka trên bộ dữ liệu chuẩn với ba phương pháp tư vấn. So sánh và đánh giá các kết quả đạt được.. Communications of the ACM, p .