English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 8557/14866 (58%)
造訪人次 : 1984413      線上人數 : 1550
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋
    主頁登入上傳說明關於CHUR管理 到手機版


    請使用永久網址來引用或連結此文件: http://chur.chu.edu.tw/handle/987654321/32205


    題名: 以因子實驗法發掘支援向量機的重要變數與建構最小成本之診斷模型
    作者: 葉怡成
    Yeh, I-Cheng
    貢獻者: 資訊管理學系
    Information Management
    關鍵詞: 支援向量機;部分因子實驗法;反應曲面法;中央合成設計法;特徵選取
    support;machine;fractional;experiments;response;methodology;central;design;feature selection
    日期: 2007
    上傳時間: 2014-06-27 01:47:15 (UTC+8)
    摘要: 本研究旨在以實驗計畫法來解決支援向量機的「變數選擇」問題,以建構精簡但準確的模型。其基本原理為:將一個輸入變數的選取與否視為一個二水準的實驗因子;將一個參數視為一個連續的噪音因子;將模型的準確度視為因變數;利用部分因子實驗設計得到實驗因子與噪音因子的組合;實驗完畢後,進行因子的效果分析,以決定最佳的實驗因子組合,即最佳的輸入變數組合。並以二個人為數值例題(分類與迴歸各一題)、二個實際應用例題(分類與迴歸各一題)加以驗證。研究結果顯示本方法確實可以找到重要的自變數,建構精簡但準確的模型。此外,本研究將此方法
    The purpose of this study is to employ design of experiments (DOE) to discover important features to build simple but accurate model for support vector machine (SVM). Its basic principle is to regard selecting or do not selecting a feature as a two-level
    顯示於類別:[資訊管理學系] 期刊論文

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    p_m321_0042.pdf36KbAdobe PDF28檢視/開啟


    在CHUR中所有的資料項目都受到原著作權保護.


    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 回饋