ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Support-vector Machines: History and Applications

دانلود کتاب ماشین‌های بردار پشتیبان: تاریخچه و کاربردها

Support-vector Machines: History and Applications

مشخصات کتاب

Support-vector Machines: History and Applications

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 1536187577, 9781536187571 
ناشر: Nova Science Pub Inc 
سال نشر: 2021 
تعداد صفحات: 248 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 12 مگابایت 

قیمت کتاب (تومان) : 53,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 7


در صورت تبدیل فایل کتاب Support-vector Machines: History and Applications 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 ماشین‌های بردار پشتیبان: تاریخچه و کاربردها 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.


توضیحاتی در مورد کتاب ماشین‌های بردار پشتیبان: تاریخچه و کاربردها

ماشین‌های بردار پشتیبانی: تکامل و برنامه‌ها اصول اولیه ماشین‌های بردار پشتیبان (SVM)، تکامل و کاربردهای آن‌ها در زمینه‌های مختلف را بررسی می‌کند. SVM یک رویکرد یادگیری نظارت شده کارآمد است که عموماً برای تشخیص الگو، طبقه‌بندی تصویر پزشکی، تشخیص چهره و کاربردهای مختلف دیگر استفاده می‌شود. در 25 سال گذشته تحقیقات زیادی برای گسترش استفاده از SVM به حوزه های مختلف انجام شده است.این کتاب تلاشی است برای ارائه توضیحاتی در مورد یک SVM معمولی همراه با بحث در مورد نسخه های مختلف و اخیر آن. حوزه های کاربردی فصل اول این کتاب SVM را معرفی می کند و مسائل بهینه سازی را برای یک SVM معمولی ارائه می دهد.فصل دیگر سفر SVM را در یک دوره بیش از دو دهه مورد بحث قرار می دهد.SVM به عنوان یک طبقه بندی کننده ابر صفحه جداکننده پیشنهاد شده است که داده های متعلق به آن را تقسیم بندی می کند. دو کلاس بعداً نسخه های مختلفی از SVM ارائه شده است که به جای یکی دو ابرصفحه بدست می آورند.در این کتاب به چند مورد از این گونه های SVM پرداخته شده است. بخش عمده این کتاب برخی از کاربردهای جالب SVM را در زمینه هایی مانند تشخیص کمی خطاهای فرآیند ارتعاش روتور از طریق SVM مبتنی بر آنتروپی طیف توان، معماری های سخت افزاری SVM کاربردی در سیستم های تشخیص الگو، تشخیص بلندگو با استفاده از SVM، طبقه بندی سنگ آهن در معادن مورد بحث قرار می دهد. و پیش‌بینی همزمان چگالی و ویسکوزیته برای مایعات یونی آب-اتانول-اتیلن گلیکول سیستم سه تایی. بخش آخر کتاب به رویکردهای مختلف برای گسترش SVM و طبقه‌بندی‌کننده‌های مشابه به یک چارچوب چند طبقه‌ای اختصاص دارد، به طوری که می‌توان از آنها برای طبقه‌بندی داده‌هایی با بیش از دو کلاس استفاده کرد.


توضیحاتی درمورد کتاب به خارجی

"Support Vector Machines: Evolution and Applications reviews the basics of Support Vector Machines (SVM), their evolution and applications in diverse fields. SVM is an efficient supervised learning approach popularly used for pattern recognition, medicalimage classification, face recognition and various other applications. In the last 25 years, a lot of research has been carried out to extend the use of SVM to a variety of domains. This book is an attempt to present the description of a conventional SVM, along with discussion of its different versions and recent application areas. The first chapter of this book introduces SVM and presents the optimization problems for a conventional SVM. Another chapter discusses the journey of SVM over a period of morethan two decades. SVM is proposed as a separating hyperplane classifier that partitions the data belonging to two classes. Later on, various versions of SVM are proposed that obtain two hyperplanes instead of one. A few of these variants of SVM are discussed in this book. The major part of this book discusses some interesting applications of SVM in areas like quantitative diagnosis of rotor vibration process faults through power spectrum entropy-based SVM, hardware architectures of SVM applied in patternrecognition systems, speaker recognition using SVM, classification of iron ore in mines and simultaneous prediction of the density and viscosity for the ternary system water- ethanol-ethylene glycol ionic liquids. The latter part of the book is dedicatedto various approaches for the extension of SVM and similar classifiers to a multi-category framework, so that they can be used for the classification of data with more than two classes"--



فهرست مطالب

Contents
Preface
Acknowledgments
List of Acronyms
Chapter 1
Introduction to Support  Vector Machines
Chapter 2
Journey of Support Vector Machines: From Maximum-Margin  Hyperplane to a Pair of  Non-Parallel Hyperplanes
Chapter 3
Power Spectrum Entropy-Based Support Vector Machine for Quantitative Diagnosis of Rotor Vibration Process Faults
	Abstract
	Introduction
	Process Power Spectrum Entropy Method
	Support Vector Machine Method
		Fundamental Theory
		SVM Multiclass Classification Method
	Rotor Simulation Experiment
		Selection of Typical Faults
		Experiment of Simulation
			Test Rig
			Experimental Process
			Original Data
		Analysis of Fault Data
	Process diagnosis of Rotor Vibration Faults
		Establishment of PPSE-SVM Model
		Extraction of PPSE Feature and Selection of Parameter
		Diagnosis of Rotor Vibration Fault Category
		Diagnosis of Fault Degree
		Diagnosis of Fault Points
		Verification of PPSE-SVM Robustness
	Conclusion
	Acknowledgment
	References
	Biographical Sketch
Chapter 4
Hardware Architectures of Support Vector Machine Applied in Pattern Recognition Systems
	Abstract
	Introduction
	Related Works
		Literature Review
		Low-Power Hardware Implementation on FPGA of SVM  for Neural Seizure Detection
		A Cascade SVM Classifier on FPGA for Early  Melanoma Detection
		Multi-Class SVM Classification for Epilepsy and Epileptic Seizure Detection on VLSI Technology
		CNN-SVM Hybrid Classifier in Hardware Implementation  on FPGA
		State-of-the-Art Review of SVM Hardware Implementations  in FPGA
		Combinatorial Circuit Application of SVM  in FPGA Implementation
		Blocks of Combinatorial Circuits with an FSM of SVM  in FPGA Implementation
	Synchronous Hardware Architectures of SVM Classifier Applied in an ASR System
		Speech Signal Processing
		Training Phase: PSO-SVM Hybrid Algorithm
		Classification Phase: Synchronous and Asynchronous  Hardware Architectures
			Architecture I: Combinatorial Circuit
			Architecture II: Pipeline Datapath Controlled by FSM
			Architecture III: Linear Pipeline with Synchronous Control
			Architecture IV: Asynchronous Hardware Architecture of SVM Classifier Applied in an ASR System
		Asynchronous Paradigm: Some Concepts
		Hardware Description: Linear Pipeline with  Asynchronous Control
	Conclusion and Future Work
	References
	Biographical Sketches
Chapter 5
Speaker Recognition Using Support Vector Machine
	Abstract
	Introduction
	Speech Corpus
		Corpus 1
		Corpus 2
	Feature Extraction and Classification
		Mel Frequency Cepstral Coefficient
		Support Vector Machine
		Model Evaluation Using Confusion Matrix
		Performance Parameters
		Proposed Algorithm
	Experiments and Results
		Experiment on Corpus 1
			Experiment 1: Trained and Tested on Speech Samples Collected  from Device 0
		Experiment Performed on Corpus 2
			Experiment: To Study the Impact of the Number of Utterances on  the Accuracy of the System
			Experiment: Impact of Recording Devices and Recording Languages
	Conclusion and Future Scope
	References
	Biographical Sketches
Chapter 6
Application of Support Vector Machine (SVM) in Classification of Iron Ores in Mines
	Abstract
	Introduction
	Methods
		Sample Collection
		Image Acquisition
		Feature Extraction
		Feature Dimension Reduction
		Laboratory Analysis
		Model Development
		Performance Evaluation
	Conclusion
	References
	Biographical Sketches
Chapter 7
Multi-Category Classification
Chapter 8
Simultaneous Prediction of
the Density and Viscosity for
the Ternary System Water-Ethanol–Ethylene Glycol Ionic Liquids Using Support Vector Machine
	Abstract
	Introduction
	Experimental
		Methodology Validation
	Results and Discussion
	Conclusion
	Acknowledgment
	References
About the Editor
Index
Blank Page
Blank Page




نظرات کاربران