سال انتشار: ۱۳۸۷

محل انتشار: پانزدهمین کنفرانس مهندسی پزشکی ایران

تعداد صفحات: ۶

نویسنده(ها):

مهرنوش دارابی – دانشگاه صنعتی امیرکبیر، دانشکده- مهندسی پزشکی
محمدحسن مرادی – دانشگاه صنعتی امیرکبیر، دانشکده- مهندسی پزشکی

چکیده:

ماشین بردار پشتیبان (SVM) از مهمترین روش های یادگیری ماشینی با قدرت تعمیم دهی بالا می باشد. ماشینهای بردارپشتیبان بطور وسیع در کاربرد های مختلف رگرسیون و طبقه بندی داده ها با موفقیت بکار رفته اند. در سالهای اخیر یک هسته قابل قبول برای SVM (هسته ویولت) معرفی شده و ماشین بردار پشتیبان ویولت (WSVM) ایجاد شده است. با آنکه در چندین تحقیق ارزشمندی و اعتبار ماشین بردار پشتیبان ویولت در رگرسیون نشان داده شده، کمتر به ارزیابی WSVM بعنوان طبقه بند پرداخته شده است. در این تحقیق کارایی ماشینهای بردار پشتیبان ویولت، با چندین ویولت مادر مختلف در طبقه بندی مجموعه داده کلینیکی دیابت بررسی شده است. برای مقایسه، طبقه بندی توسط طبقه بندهای مهم دیگر شامل آنالیز تمایز خطی (K,(LDA نزدیکترین همساینه (KNN) و SVM با هسته های دیگر نیز انجام شده است. نتایج شبیه سازیها مناسب بودن این روش را در طبقه بندی مجموعه داده دیابت نشان می دهد.