Matlab

ترکیب ماشین بردار پشتیبان SVM و الگوریتم ژنتیک برای انتخاب بهینه ترین ویژگی ها

ترکیب ماشین بردار پشتیبان SVM و الگوریتم ژنتیک برای انتخاب بهینه ترین ویژگی ها

وضعیت : موجود

برند :Matlab

تعداد بازدید: 37
0 0

ماشین بردار پشتیبان، یک روش قدرتنمد برای دسته بندی داده ها محسوب میشود. روش ماشین بردار پشتیبان روشی است که با استفاده از معادلات ریاضی سعی در انتخاب یک ابرصفحه جداکننده دارد تا داده های کلاسها را از هم جدا کند. این روش، ابر صفحه جداکننده را به گونه ای انتخاب خواهد کرد که حداکثر مارجین بین دو کلاس وجود داشته باشد.

 

هر چند روش SVM یک الگوریتم قوی در امر دسته بندی محسوب میشود، اما با انجام کارهایی میتوان این دقت را افزایش داد. به عنوان مثال

  1. استخراج ویژگی های مناسب تر
  2. تبدیل فضای ویژگی (PCA,LDA و غیره)
  3. انتخاب ویژگی های بهینه
  4. موارد دیگر

در این پیاده سازی سعی داریم تا مورد سوم، یعنی انتخاب ویژگی بهینه را با استفاده از دستورات متلب انجام دهیم. زمانی که صحبت از انتخاب پارامترهای بهینه میشود، اولین راه حلی که به ذهن میرسد، استفاده از روش های جستجو است. از جمله این روشها میتوان به روش های فراابتکاری مثل ژنتیک ، بهینه سازی ازدحام ذرات و سایر موراد اشاره کرد. روش انتخابی ما برای پیدا کردن ویژگی های بهینه، الگوریتم ژنتیک است.

 

پس به طور کلی تعریفی از مسئله را شرح میدهیم:

هدف از مسئله، ترکیب الگوریتم ژنتیک و ماشین بردار پشتیبان است که الگوریتم ژنتیک بهینه ترین ویژگی ها را از فضای مسئله انتخاب کند به گونه ای که روش دسته بندی ماشین بردار پشتیبان بتواند دقت بهتری نسبت به حالتی که از تمامی ویژگی ها استفاده میکند داشته باشد.

الگوریتم ژنتیک مورد استفاده به صورت باینری است. یعنی ژن های هر کروموزم تنها مقادیر صفر یا یک میگیرند که صفر به معنی عدم انتخاب یک ویژگی و یک به معنی انتخاب یک ویژگی است. البته باید توجه کنیم که مسئله نمیتواند هیچ ویژگی را انتخاب نکند و باید حداقل یک ویژگی توسط الگوریتم ژنتیک انتخاب شود. شکل زیر یک کروموزوم از مسئله را نشان میدهد که مقادیر ژن ها آن، به صورت باینری هستند. کروموزم دارای D درایه است که D معرف تعداد ویژگی های مسئله است.

دیتاست مورد استفاده در این پیاده سازی، دیتاست Seed است. این دیتاست شامل 210 نمونه و 3 کلاس است. تعداد ویژگی های دیتاست 7 عدد است که الگوریتم ژنتیک باید بهینه ترین ویژگی ها را از بین این 7 ویژگی پیدا کند به گونه ای که دقت دسته بندی بالاتر رود.

 

توجه:
  1. فایل دانلودی حاوی کدهای متلب و گزارش شامل توضیحات مسئله، توضیح کدها و تحلیل نتایج است.
  2. حتما در متلب نسخه 2017 به بالا اجرا شود.
  3. با توجه به اینکه الگوریتم ژنتیک یک روش جستجو محسوب میشود، در نتیجه اتمام برنامه نیاز به زمان دارد.
  4. از توابع آماده متلب برای آموزش ماشین بردار پشتیبان و الگوریتم ژنتیک استفاده شده است.
  5. پارامترهای مسئله قابل تغییر هستند که توضیحات آن در فایل گزارش داده شده است.
 
 

ویدیوی زیر نحوه اجرای این پیاده سازی را نشان میدهد.

ویدیو نحوه اجرای کدها

 
 
 
در صورت هر گونه سوال نسبت به کالای مورد نظر، با ایمیل msd.abasian@gmail.com  یا شماره 09132324263 و یا آیدی تلگرام masoudabasian مکاتبه نمایید.

همچنین در صورت دانلود فایل و مشاهده هر گونه مشکل در کدها و گزارش، میتوانید از طریق راه های ارتباطی ذکر شده، مشکل را اعلام فرمایید تا در اسرع وقت پشتیبانی لازم را انجام دهیم.

با تشکر از حسن اعتماد شما

مسعود عباسیان

ترکیب ماشین بردار پشتیبان SVM و الگوریتم ژنتیک برای انتخاب بهینه ترین ویژگی ها

15,000 تومان افزودن به سبد خرید

محل نوشتن دیدگاه شما


تعداد نظرات : 0