تحقیق در مورد روش های استخراج ویژگی و روش های خطی و غیرخطی

لینک دانلود و خرید پایین توضیحات دسته بندی : وورد نوع فایل : .doc ( قابل ويرايش و آماده پرينت ) تعداد صفحه : 16 صفحه قسمتی از متن .doc : ) چکیده: در این تمرین روش   های استخراج ویژگی و روش   های خطی و غیر خطی دسته   بندی را مورد مطالعه قرار میدهیم. دتحقیق در مورد روش های استخراج ویژگی و روش های خطی و غیرخطی|1720535|superior-brain|تحقیق در مورد روش های استخراج ویژگی و روش های خطی و غیرخطی
با ما همراه باشید با موضوع تحقیق در مورد روش های استخراج ویژگی و روش های خطی و غیرخطی

لینک دانلود و خرید پایین توضیحات

دسته بندی : وورد

نوع فایل : .doc ( قابل ويرايش و آماده پرينت )

تعداد صفحه : 16 صفحه

قسمتی از متن .doc :

) چکیده:

در این تمرین روشهای استخراج ویژگی و روشهای خطی و غیر خطی دستهبندی را مورد مطالعه قرار می‌دهیم. در ابتدا روشهای مختلف استخراج ویژگی که از آن جمله PCA، LDA، روش قاب بندی و چند روش دیگر هستند را و سپس برای ویژگیهای استخراج شده از روشهای دستهبندی خطی بیزین و SVM خطی و سپس روشهای غیر‌خطی RBF ، MLP و همچنین SVM غیر‌خطی برای دستهبندی استفاده شده‌ است. بسته به روش شناسایی بکار گرفته شده، معمولا ویژگیهاي متفاوتی از دنباله نقاط استخراج می شود. در اکثر روش هاي موجود استخراج ویژگی، ویژگیها از روي مختصات نقاط نمونهبرداري شده ورودي استخراج میشوند. از مجموعه ی ویژگی های استخراج شده معمولاً تعدادی مفید تر و موثرترند. ما برای تشخیص و انتخاب ویژگی های تاثیرگذارتر از یک الگوریتم ژنتیک استفاده کرده ایم. اما پس از استخراج و انتخاب ویژگیها نوبت به دسته بندی می رسد. در ابتدا از چند دسته بند خطی استفاده کرده ایم. به راحتی می‌توان نشان داد که ناحیه‌های تصمیم‌گیری یک ماشین خطی محدودند و این محدودیت انعطاف‌پذیری و دقت دسته‌بند را کاهش می‌دهد. مسایل بسیاری وجود دارد که توابع جداساز خطی برای داشتن حداقل خطا در آنها کافی نیستند. علاوه بر این مرزهای تصمیم‌گیری که کلاسها را از یکدیگر تفکیک می‌کنند ممکن است همیشه خطی نباشند و پیچیدگی مرزها گاهی اوقات نیاز به استفاده از سطح‌های کاملاً غیر خطی را دارند. بنابراین در ادامه ی کار از چند دسته بند غیرخطی نیز استفاده نمودیم. در استفاده از شبکه‌های عصبی چندلایه، شکل غیر خطی بودن از مجموعه‌ی آموزش فرا گرفته می‌شود. در روشهای RBF و SVM غیرخطی مشکل اصلی انتخاب توابع هسته غیر خطی مناسب است.