El ajuste de los parámetros en las máquinas de vectores de soporte (SVM) es muy importante con respecto a su precisión y eficiencia. En este trabajo, empleamos el algoritmo de la luciérnaga para entrenar todos los parámetros de la SVM simultáneamente, incluyendo el parámetro de penalización, el parámetro de suavidad y el multiplicador lagrangiano. El método propuesto se denomina SVM basada en luciérnagas (firefly-SVM). Esta herramienta no se considera la selección de características, porque la SVM, junto con la selección de características, no es adecuada para la aplicación en una clasificación multiclase, especialmente para la SVM multiclase uno-contra-todo. En los experimentos, se exploran las clasificaciones binarias y multiclase. En los experimentos de clasificación binaria, se utilizan diez de los conjuntos de datos de referencia del repositorio de aprendizaje automático de la Universidad de California, Irvine (UCI); además, la luciérnaga-SVM se aplica al diagnóstico multiclase de imágenes ultrasónicas del supraespinoso. El rendimiento de la clasificación de la luciérnaga-SVM también se compara con el método LIBSVM original asociado al método de búsqueda en cuadrícula y a la optimización de enjambre de partículas basada en SVM (PSO-SVM). Los resultados experimentales abogan por el uso de firefly-SVM para clasificar patrones con la máxima precisión.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Influencia de las condiciones térmicas en las nanoestructuras de V2O5 preparadas por el método Sol-Gel
Ponencia:
La aplicación de la biolixiviación a sulfuros de metales comunes en el sur de África : prospectos y oportunidades
Artículo:
Un marco de aprendizaje profundo basado en información de fusión multisensor para identificar el vórtice de estela de un avión
Artículo:
Síntesis y Caracterización de Nanocompuestos de ZnO-ZrO2 para la Degradación Fotocatalítica y Mineralización del Fenol
Artículo:
Efecto del Ti Nanoestructurado Gradiente en el Comportamiento de las Células MG63 In Vitro
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores
Tesis:
Materiales y prácticas de construcción sostenible