Luận Văn Thạc Sĩ Phân Loại Ảnh Dựa Trên Hướng Tiếp Cận Kernel

Trong luận văn này, tôi nghiên cứu việc xây dựng kernel cho thuật toán phân lớptrong lĩnh vực máy học, cụ thể là thuật toán phân lớp Support Vector Machine(SVM). SVM thực hiện việc phân lớp bằng cách tìm siêu phẳng (hyperplane) màcho phép cực đại hóa khoảng cách biên (maximize margins). Trong khi đó, kernelcủa SVM dùng để đo độ tương đồng giữa các mẫu học, việc này đóng góp lớn vàohiệu quả phân lớp của thuật toán SVM. Thêm nữa, SVM là thuật toán phân lớp hiệuquả và được sử dụng rất rộng rãi trong nhiều lĩnh vực, đặc biệt trong lĩnh vực thịgiác máy tính. Từ kernel tuyến tính (linear kernel) mà sử dụng hàm tương quan(correlation), hay tích nội (inner product) để tính độ tương đồng trong việc phânchia lớp ở thời gian đầu khi thuật toán SVM được đề xuất. Các nhà nghiên cứu nhậnthấy rằng, dữ liệu ngày càng phong phú và đa dạng, việc này đòi hỏi cần phải sửdụng các kernel phi tuyến (non-linear kernel) để có thể tìm được siêu phẳng hiệuquả hơn. Do vậy, nghiên cứu xây dựng kernel là một trong những chủ đề đượcnhiều nhà nghiên cứu trên thế giới quan tâm.

• Luận văn thạc sĩ tin học
• Chuyên ngành khoa học máy tính
• Tác giả: Lê Thanh Tâm
• Hướng dẫn: Nguyễn Đình Thúc, Trần Thái Sơn
• 61 Trang
• File PDF-True
• Trường ĐH Khoa Học Tự Nhiên TPHCM 2011

Link download
http://nitroflare.com/view/7FDF490E6B09DE2
https://drive.google.com/drive/folders/1yLBzZ1rSQoNjmWeJTM6cEZ3WGQHg04L1