Xem mẫu
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT
KHOA CÔNG NGHỆ THÔNG TIN
Môn: KHAI PHÁ DỮ LIỆU
ĐỀ TÀI: Phương pháp Support Vector Machines
Danh sách sinh viên :
Trần Thị Thơm
Huỳnh Nhật Thành
14110192
14110178
Nguyễn Quang Nhật 14110137
TP.HCM, ngày 26 tháng 04 năm 2017
1. Nội dung chung
Tên đề tài:
2. Phương pháp Support Vector Machines
Giảng viên hướng dẫn:
3. Quách Đình Hoàng
Sinh viên thực hiện:
Trần Thị Thơm
Huỳnh Nhật Thành
Nguyễn Quang Nhật
Thông tin liên lạc của sinh viên
4. 5. 6. 7. St Tên MSSV
t
8. 9. 10. 11.
Email
14110192
1 Trần Thị Thơm 14110192 @student.hcmute.edu.vn
12. 13. 14. 15. 14110178 2 Huỳnh Nhật Thành 14110178 @student.hcmute.edu.vn
16. 17. 18. 19. 14110137 3 Nguyễn Quang 14110137 @student.hcmute.edu.vn
Nhật
20.
Chương trình, ứng dụng sử dụng:
Chương trình sử dụng: R studio
Ứng dụng:
21. Phân công thực hiện
2 23. Thực 24. 2 hiện
P
2 26. Tìm 31. 5 kiếm,
. tổng hợp C tài liệu
27. Lên nội dung cần làm cho đề tài, thời gian thực hiện.
28. Trình bày slide
29. Sửa lỗi 30.
3 33. Tìm hiểu, 34. 2 xây dựng
. nội dung N cơ bản
3 36. Triển 37. 5 khai nội
. dung chi H tiết từng
phần
3 39. Tổng 40. 8 hợp, viết
. bài báo T cáo.
41. MỞ ĐẦU
42. Trong thời đại công nghệ thông tin hiện nay, sự phát triển của công nghệ kéo theo sự gia tăng rất lớn của lưu lượng thông tin lưu trữ và trao đổi. Do đó, yêu cầu về tổ chức lưu trữ và truy cập thông tin sao cho hiệu quả được đặt lên hàng đầu. Hướng giải quyết được đưa ra là tổ chức, tìm kiếm và phân loại thông tin một cách hiệu quả. Bản thân con người trong đời sống cũng tiếp nhận thế giới xung quanh thông qua sự phân loại và tổ chức ghi nhớ tri thức một cách hiệu quả. Phân loại thông qua các lớp và mô tả các lớp giúp cho tri thức được định dạng và lưu trữ trong đó.
43. Có nhiều phương pháp phân loại đã được nghiên cứu và được áp dụng. Hiện nay, phương pháp phân loại Support Vector Machines là một trong những phương pháp mạnh và hiệu quả để giải quyết các bài toán lớp phi tuyến được Vapnik và Chervonenkis giới thiệu vào năm 1995. Vì vậy, nhóm em chọn đề tài “Nghiên cứu thuật toán máy SVM”.
44. Lý do chọn đề tài
45. Vấn đề phân lớp và dự đoán là khâu rất quan trọng trong học máy và khai phá dữ liệu, phát triển tri thức. Kỹ thuật Support Vector Machines (SVM) được đánh giá là công cụ mạnh và tinh vi nhất hiện nay cho những bài toán phân lớp phi tuyến. Nhiều ứng dụng đã và đang được xây dựng dựa trên kỹ thuật SVM rất hiệu quả.
46. Nội dung cơ bản bao gồm
47. Chương 1: Giới thiệu Support Vector Machines
48. Chương 2: Tại sao chọn Support Vector Machines
49. Chương 3: Đặt vấn đề
50. Chương 4: Bài toán phân 2 lớp với SVM
51. Chương 5: So sánh và cải tiến SVM
52. Phần kết luận
53. Phần Demo
...
- tailieumienphi.vn
nguon tai.lieu . vn