داده کاوی SVM

مقدمه:

داده کاوی یکی از شاخه های مطرح علمی است که در سالهای اخیر توسعه فراوانی یافته است. بنابر گزارش دانشگاه MIT، دانش نوین داده کاوی یکی از ده دانش در حال توسعهای است که دهه آینده را با انقلاب تکنولوژیکی مواجه می سازد. دسته بندی دادهها، از مهمترین مباحث مطرح در داده کاوی است. در خصوص دسته بندی داده ها روشهای گوناگونی ارائه گردیده است که ماشین بردار پشتیبان(SVM) از مهمترین آنها است و از آنجایی که بر مبنای فرمولبندی ریاضیاتی است از دقت و خاصیت تعمیم بیشتری نسبت به سایر روشهای دسته بندی برخوردار است. این پایان نامه به موضوع دسته بندی داده ها با استفاده از روش SVM می پردازد. ابتدا مقدمه و برخی از مباحث مورد نیاز در SVM مطرح میگردد. سپس اصول و پایههای دسته بندی دادههای دو دستهای به روش SVM مطرح میگردد و همچنین انواع روشهای SVM به همراه مثال ارائه میگردد. بعلاوه یک مثال واقعی از کاربرد روش SVM در دسته بندی داده های دو دستهای ارائه خواهد شد. در ادامه نیز برخی از روشهای دستهبندی برای داده های چند دستهای مطرح می گردد. درپایان با ورود به بحث نادقیقی دادهها، و در نظر گرفتن دو حالت برای دادههای فازی، روشهایی برای دسته بندی این داده ها عنوان میگردد.  بعلاوه با درنظر گرفتن یک پارامتر فازی در فرمولبندی روش SVM به ارائه راه حل پرداخته میشود. در خاتمه یک مثال کاربردی برای داده های فازی مطرح میگردد. ضمنا بخشهایی که با علامت * مشخص شده است حاصل پژوهشهای مولف می باشد.