سال انتشار: ۱۳۸۵

محل انتشار: دوازدهمین کنفرانس سالانه انجمن کامپیوتر ایران

تعداد صفحات: ۵

نویسنده(ها):

سمیه علی زاده زوج – بخش علوم کامپیوتر و مهندسی دانشگاه شیراز
رضا بوستانی – بخش علوم کامپیوتر و مهندسی دانشگاه شیراز
بتسابه تنوری – بخش علوم کامپیوتر و مهندسی دانشگاه شیراز

چکیده:

در این مقاله یک طبق ه بندی کننده ١ با ساختار ترکی بی ارائه شده که در آن از مدل مخ فی مارکو ف ٢HMM و بردارهای پشتیبان ماشین ٣(SVM) بصورت سریال به منظور بهبود طبقه بندی استفاده شده است. در این ترکیب از مزایای هر دو طبق هبندی کننده فوق استفاده شده، زیراHMM توان ایی کار کردن با داد ه های دینامیک و سلسله مرات بی را داشت ه در حالیکه SVM عمومی ت ٤ بهت ریمخصوصاً بر ای کلاسهای با تعداد داد ههای محدود دار د. در مرحله اول از طبق ه بندی کنندهHMM استفاده شده و بر ای حل مسأله عدم قط عیت آ ن، در مرحله بعدSVM به کار گرفته شده اس ت. همچنین بر ای بالا بردن کارا یی طبق هبن دی کننده SVM از نسخ ه وزن دار شده ٥ آن استفاده شده که وزن دا د ها را بر اساسHMM ت عیین م یکند. روش ارائه شده در این تحقیق بررو ی پایگاه داده هایCancer و Diabetes, Glass, Iris اعمال شده که نتایج حاکی از برتری این روش ترکیبی برهر دو روش HMM و نسخه وزن دار شدهSVM میباشد.