Luận Văn Thạc Sĩ Kỹ Thuật SVM Trong Nhận Dạng Phiếu Điểm

Kỹ Thuật SVM Trong Nhận Dạng Phiếu Điểm​

Các phương pháp thống kê gần đây thường được đề cập tới trong các lĩnh vực xử lý ngôn ngữ tự nhiên, thị giác máy, nhận dạng tiếng nói, … xem như là sự chọn lựa có cải tiến đối với các phương pháp truyền thống bởi vì các phương pháp này tận dụng được lượng dữ liệu khổng lồ ngày càng tăng lên và sức mạnh tính toán của máy tính [10]. Các phương pháp học theo thống kê đặc biệt thích hợp với lĩnh vực thị giác máy như nhận dạng và xác định đối tượng hiệu quả [13] . Một trong các phương pháp đó là Máy hỗ trợ vector (Support Vector Machine - SVM).
SVM là một phương pháp máy học được giới thiệu từ năm 1995 và ngày càng trở nên phổ biến trong việc ứng dụng vào các lĩnh vực như: xử lý ảnh, xử lý ngôn ngữ, thị giác máy, … [10], [13]. SVM được xây dựng, mở rộng và phân tích dựa trên lý thuyết một cách chặt chẽ. ưu điểm chính của SVM so với các phương pháp khác là cách giải quyết vấn đề mang tính toàn cục trong khi các phương pháp khác có thể mang tính cục bộ. Tăng cường khả năng SVM bằng cách chọn một hàm thích hợp là những hàm có khả năng học dữ liệu phức tạp và phân chia phi tuyến (ví dụ hàm đa thức (Polynomial), hàm bán kính căn bản (RBF) và hàm Perceptron (mạng nơron 2 lớp) thường được dùng như các hàm xấp xỉ) để phát triển thành công cụ phân lớp

• Luận văn thạc sĩ Khoa học máy tính
• Chuyên ngành Khoa học máy tính
• Người hướng dẫn khoa học: TS. Nguyễn Văn Vinh
• Tác giả: Vũ Thị Thu Huyền
• Số trang: 64
• Kiểu file: PDF
• Ngôn ngữ: Tiếng Việt
• Đại học Thái Nguyên 2013

Link Download
http://tailieudientu.lrc.tnu.edu.vn/chi-tiet/ky-thuat-svm-trong-nhan-dang-phieu-diem-43291.html
https://drive.google.com/drive/folders/1yLBzZ1rSQoNjmWeJTM6cEZ3WGQHg04L1