Ewolucyjny dobór funkcji jądra SVM wspólnego dla zbioru podobnych zadań klasyfikacyjnych

• Autorzy: Dembski J. , Jędruch W.

Warianty tytułu

EN

Evolutionary searching for SVM kernel function suitable for a group of similar classification tasks

• Języki publikacji: PL

Abstrakty

PL

Praca przedstawia ewolucyjną metodę kształtowania funkcji jądra w metodzie SVM wspólnego dla zbioru podobnych zadań klasyfikacyjnych (z tej samej dziedziny) z wykorzystaniem aproksymatora neuronowego. Pokazano możliwość wbudowania funkcji ekstrakcji cech do funkcji jądra SVM za pomocą prostego łączenia aproksymatorów standardowej funkcji jądra i ekstraktora. Opisane zostały również teoretyczne podstawy metody wektorów wspierających (SVM).

EN

The paper deals with the constructing of an SVM kernel function suitable for a group of similar classification tasks. The SVM kernel performs simultaneously the functions of feature extraction and classification and is trained by an evolutionary method. The theoretical foundations of Support Vector Machines method were also described.

Słowa kluczowe

PL

SVM; ekstrakcja cech; metody ewolucyjne

EN

SVM; feature extraction; genetic algorithms

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2005
• Tom: R. 51, nr 9 bis
• Strony: 124--126
• Opis fizyczny: Bibliogr.8 poz., rys., schem., wzory

Twórcy

autor

Dembski J.

• Politechnika Gdańska, Wydział Elektroniki, telekomunikacji i Informatyki

autor

Jędruch W.

• Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki

Bibliografia

• [1] Burges C., J., C., A tutorial on support vector machines for pattern recognition. Data Mining and Knowledge Discovery, v. 2 (2), s. 121-167, 1998.
• [2] Codes C., Vapnik V., Support vector networks, Machine Learning, v. 20, s. 273-297, 1995.
• [3] Dembski J., Jędruch W., Automatyczne konstruowanie ekstraktora cech sygnałów wibroakustycznych na podstawie podobnych zadań diagnostycznych, Diagnostyka Procesów Przemysłowych DPP'03, Władysławowo 2003, s. 509-515.
• [4] Dembski J., Jędruch W., Automatic feature extraction for linear systems, Artificial Intelligence Studies, Special Issue Vol. No. 2 (24), V. Proceedings on VI International Conference on Artifical Intelligence Al-19-2004 Siedlce, September 2004, s. 49-56.
• [5] Jankowski N., Ontogeniczne sieci neuronowe. O sieciach zmieniających swoją strukturę. Exit, Warszawa. 2003.
• [6] Smoła A., Bartlett P., Schölkopf B., and Schuurmans D., Advance in Large Margin Classifiers. MIT Press, 1999.
• [7] Sobczak W., Malina W.: Metody selekcji informacji. WNT, Warszawa, 1985.
• [8] Ptatt J., Fast training of support vector machines using sequential minimal optimization, B. Scholkopf, C. J. C. Burges, and A. J. Smola, editors, Advances in Kernel Methods - Support Vector Learning, 185-208, MIT Press, Cambridge, MA, 1999.