ماشین بردار پشتیبان SVM، به مجموعه ای از نقاط در فضای n بعدی داده ها، بردار پشتیبان گفته می شود که مرز بندی دسته ها را نشان داده و دسته بندی و مرزبندی آنها را انجام می دهد و با جابجایی یکی از این دو مورد ممکن است تغییر کند. SVM یا ماشین بردار پشتیبان، با معیار قرار دادن بردار های پشتیبان بهترین دسته بندی و تفکیک بین داده ها را انجام می دهد. همچنین در SVM مبنای یادگیری ماشین و ساخت مدل، داده های قرار گرفته شده در بردارهای پشتیبان می باشد. هدف الگوریتم SVM یافتن بهترین مرز در بین داده ها بوده و بیشترین فاصله ممکن از تمام دسته ها را در نظر می گیرد و به سایر نقاط داده ها حساس نمی باشد.
حال کدهای این ماشین برای نرم افزار Matlab در اختیار شما عزیزان قرار گرفته است و شما میتوانید آن را تهیه فرمایید.
این مجموعه شامل موارد زیر است:
Multi Class Support Vector Machine
SVM Demo
Prepare svm datasets for multi svm
Multi Class SVM
۳phase SVM
Multithreaded (Posix) SVM evaluation
Fast Linear binary SVM classifier
Face Detection using Support Vector Machine (SVM)
Pegasos – Primal Estimated sub-Gradient Solver for SVM
Using Weka’s SVM Regression functions in Matlab
Using Weka’s SVM Classification functions in Matlab
There are no reviews yet.