دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Shigeo Abe
سری:
ISBN (شابک) : 1852339292, 9781846282195
ناشر: Springer
سال نشر: 2005
تعداد صفحات: 350
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
در صورت تبدیل فایل کتاب Support Vector Machines for Pattern Classification (Advances in Pattern Recognition) به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب پشتیبانی از ماشین های برداری برای طبقه بندی الگوها (پیشرفت در شناخت الگو) نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
ماشینهای بردار پشتیبان (SVM)، در ابتدا برای مسائل طبقهبندی دو کلاسه فرمولبندی شدند و به عنوان ابزاری قدرتمند برای توسعه طبقهبندی الگو و سیستمهای تقریب تابع پذیرفته شدهاند. این کتاب با اتخاذ تنها رویکردی که به جای پوشش جنبه های نظری، بر طبقه بندی تمرکز دارد، دیدگاه منحصر به فردی از وضعیت هنر در SVM ها ارائه می دهد. این کتاب ویژگیهای SVMهای دو کلاسه را از طریق تجزیه و تحلیل گسترده آنها روشن میکند، معماریهای مفید مختلفی را برای طبقهبندی چند کلاسه و مسائل تقریب تابع ارائه میکند، و روشهای هسته را برای بهبود توانایی تعمیم شبکههای عصبی مرسوم و سیستمهای فازی مورد بحث قرار میدهد. تصاویر، مثالها و آزمایشهای کامپیوتری فراوانی برای کمک به خوانندگان برای درک ایدههای جدید و مفید بودن آنها گنجانده شده است. این کتاب منبع جامعی برای استفاده از SVM ها در طبقه بندی الگوها ارائه می دهد و برای محققان، توسعه دهندگان و دانشجویان در دانشگاه و صنعت خواندنی ارزشمند خواهد بود.
Support vector machines (SVMs), were originally formulated for two-class classification problems, and have been accepted as a powerful tool for developing pattern classification and function approximations systems. This book provides a unique perspective of the state of the art in SVMs by taking the only approach that focuses on classification rather than covering the theoretical aspects. The book clarifies the characteristics of two-class SVMs through their extensive analysis, presents various useful architectures for multiclass classification and function approximation problems, and discusses kernel methods for improving generalization ability of conventional neural networks and fuzzy systems. Ample illustrations, examples and computer experiments are included to help readers understand the new ideas and their usefulness. This book supplies a comprehensive resource for the use of SVMs in pattern classification and will be invaluable reading for researchers, developers & students in academia and industry.
Introduction....Pages 3-13
Two-Class Support Vector Machines....Pages 15-82
Multiclass Support Vector Machines....Pages 83-128
Variants of Support Vector Machines....Pages 129-154
Training Methods....Pages 155-188
Feature Selection and Extraction....Pages 189-199
Clustering....Pages 201-208
Kernel-Based Methods....Pages 209-222
Maximum-Margin Multilayer Neural Networks....Pages 223-235
Maximum-Margin Fuzzy Classifiers....Pages 237-263
Function Approximation....Pages 265-296