선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이러한 부족함을 해결하기 위해 퍼지 소속도롤 SVM에 적용하여, 소프트-마진 알고리즘을 확장하였다. [3] 본 논문에서는 두클래스를 가지는 경우와 세 개 이상의 다중 클래스의 경우 퍼지 소속도를 가진 SVM을 제안한다. 입력 벡터들을 다중 클래스로 분류 할 때 퍼지 소속도를 응용한 소프트 마진 알고리즘의 상한 경계값을 각 클래스에 따라 다르게 적용함으로써 기존의 SVM보다 더 우수한 학습 능력을 가짐을 보인다.
- 정확도가 매우 중요할 수 있다. 나머지 클래스의 분류 정확도가 낮아지더라도 전체 분류 정확도를 높이고자 하는 것이다. 이러한 경우는 특정한 한 클래스에 속하는 패턴을 오 인식할 경우에 많은 비용과 치명적인 결과가 발생하여 이를 방지 하고자 할 때 적용될 수 있다.
- 이러한 경우는 특정한 한 클래스에 속하는 패턴을 오 인식할 경우에 많은 비용과 치명적인 결과가 발생하여 이를 방지 하고자 할 때 적용될 수 있다. 본 논문에서는 SVM이 이러한 문제에 적용 될 수 있도록 두 그룹의 싱한 경계 값에 벌칙 함수를 다르게 적용하는 방법을 제안한다. 즉, 입력 데이터에 퍼지 소속도를 적용하여, 결정면 학습 시 입력 데이터의 기여를 다르게 하는 퍼지 SVW을 제안하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.