نتایج یك پایان‌نامه دانشجویی نشان داد كه استفاده از روش ماشین بردار پشتیبان برای داده‌های بیولوژیكی كارایی ۸۰ درصدی دارد.
مهرنوش دارابی، پژوهشگر دانشكده مهندی پزشكی دانشگاه امیركبیر در گفت‌و‌گو با خبرنگار اجتماعی فارس گفت: ماشین بردار پشتیبان به عنوان یكی از روش‌های مبتنی بر هسته از همه‌ترین روش‌های یادگیری ماشینی است كه در بازشناخت الگوی داده‌ها بكار برده می‌شود.
وی افزود: در سال‌های اخیر مطالعه برای بكارگیری و ارزیابی تركیب تبدیل ویولت (برای كاربرد در زمینه دسته‌بندی داده‌ها كارایی خوبی از خود نشان می‌دهد)، با ماشین بردار پشتیبان مورد توجه قرار گرفته است. یك هسته قابل قبول برای این ماشین بردار به‌عنوان هسته ویولت معرفی شده و ماشین بردار پشتیبان ویولت ایجاد شده است.
این پژوهشگر تصریح كرد: در این پروژه كارایی ماشین‌های بردار ویولت با چندین ویولت مادر مختلف در طبقه‌بندی سه مموعه داده دیابت، سرطان سینه و دروغ‌سنجی بررسی شده ست.
وی گفت: ابتدا دو مجموعه داده دیابت و سرطان سینه برای ارزیابی ماشین بردار ویولت بكار برده شدند. نتایج اعتبار این ماشین بردار را در طبقه‌بندی این دو مجموعه داده نشان می‌دهند.
این پژوهشگر افزود: بر اساس نتایج به دست آمده، از لحاظ دقت تفكیك افراد خطاكار و بی‌گناه، روش طبقه‌بندی كننده ماشین بردار پشتیبان با هسته ویولت با صحت طبقه‌بندی ۸۰ درصد، كارایی بهتری در مقایسه با روش‌های دیگر نشان داده است.
وی گفت: در این پروژه علاوه بر پیاده‌سازی روش‌های طبقه‌بندی مذكور، به انتخاب دسته ویژگی بهینه مجموعه داده دروغ‌سنجی برای این طبقه‌بندی‌ها نیز پرداخته شده كه این امر به افزایش چشمگیر درصد طبقه‌بندی توسط ماشین بردار پشتیبان با هسته ویولت به ۹۰ درصد منجر شده است.




خبرگزارى فارس (فقط کاربران ثبت نام شده میتوانند لینک های انجمن را مشاهده کنند. ])