<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>بایگانی‌های استفاده از LIBSVM - ايران متلب</title>
	<atom:link href="https://matlab1.ir/tag/%d8%a7%d8%b3%d8%aa%d9%81%d8%a7%d8%af%d9%87-%d8%a7%d8%b2-libsvm/feed/" rel="self" type="application/rss+xml" />
	<link>https://matlab1.ir/tag/استفاده-از-libsvm/</link>
	<description>مرجع فیلم های آموزشی فارسی دانشگاهی و مهندسی</description>
	<lastBuildDate>Tue, 03 Sep 2019 09:53:25 +0000</lastBuildDate>
	<language>fa-IR</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	

<image>
	<url>https://matlab1.ir/wp-content/uploads/2017/08/ref_a2-150x150.png</url>
	<title>بایگانی‌های استفاده از LIBSVM - ايران متلب</title>
	<link>https://matlab1.ir/tag/استفاده-از-libsvm/</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>نکاتی در مورد مجموعه کدهای LIBSVM</title>
		<link>https://matlab1.ir/%d9%86%da%a9%d8%a7%d8%aa%db%8c-%d8%af%d8%b1-%d9%85%d9%88%d8%b1%d8%af-%d9%85%d8%ac%d9%85%d9%88%d8%b9%d9%87-%da%a9%d8%af%d9%87%d8%a7%db%8c-libsvm/</link>
					<comments>https://matlab1.ir/%d9%86%da%a9%d8%a7%d8%aa%db%8c-%d8%af%d8%b1-%d9%85%d9%88%d8%b1%d8%af-%d9%85%d8%ac%d9%85%d9%88%d8%b9%d9%87-%da%a9%d8%af%d9%87%d8%a7%db%8c-libsvm/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Tue, 07 Apr 2015 13:32:48 +0000</pubDate>
				<category><![CDATA[آموزش]]></category>
		<category><![CDATA[MATLAB متلب]]></category>
		<category><![CDATA[شبکه آدلاین]]></category>
		<category><![CDATA[شبکه های عصبی]]></category>
		<category><![CDATA[استفاده از LIBSVM]]></category>
		<category><![CDATA[ماشین بردار پشتیبان چند کلاسه]]></category>
		<category><![CDATA[نرم افزار LIBSVM]]></category>
		<guid isPermaLink="false">http://am19.siteground.biz/~matlab18/matlab1.ir/?p=2160</guid>

					<description><![CDATA[<p>ماشین بردار پشتیبان یک دسته بندی کننده باینری می باشد ، به عبارت دیگر تنها می تواند تنها دو کلاس را از هم دسته بندی کند اما LIBSVM حالت چندكلاسه را نيز پشتيباني مي كند، بنابراين از نظر ميزان دشواري انجام پروژه، تفاوتي بين مسائل دو كلاسه و چند كلاسه وجود دارد. تنها تفاوت اين [&#8230;]</p>
<p>نوشته <a href="https://matlab1.ir/%d9%86%da%a9%d8%a7%d8%aa%db%8c-%d8%af%d8%b1-%d9%85%d9%88%d8%b1%d8%af-%d9%85%d8%ac%d9%85%d9%88%d8%b9%d9%87-%da%a9%d8%af%d9%87%d8%a7%db%8c-libsvm/">نکاتی در مورد مجموعه کدهای LIBSVM</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p style="text-align: justify;"><a href="https://matlab1.ir/wp-content/uploads/2015/04/Support-Vector-Machine-MATLAB-code-SVMLIB.png"><img fetchpriority="high" decoding="async" class="aligncenter size-full wp-image-2161" src="https://matlab1.ir/wp-content/uploads/2015/04/Support-Vector-Machine-MATLAB-code-SVMLIB.png" alt="Support Vector Machine MATLAB code SVMLIB" width="501" height="500" srcset="https://matlab1.ir/wp-content/uploads/2015/04/Support-Vector-Machine-MATLAB-code-SVMLIB.png 501w, https://matlab1.ir/wp-content/uploads/2015/04/Support-Vector-Machine-MATLAB-code-SVMLIB-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2015/04/Support-Vector-Machine-MATLAB-code-SVMLIB-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2015/04/Support-Vector-Machine-MATLAB-code-SVMLIB-140x140.png 140w, https://matlab1.ir/wp-content/uploads/2015/04/Support-Vector-Machine-MATLAB-code-SVMLIB-50x50.png 50w, https://matlab1.ir/wp-content/uploads/2015/04/Support-Vector-Machine-MATLAB-code-SVMLIB-110x110.png 110w" sizes="(max-width: 501px) 100vw, 501px" /></a><br />
<span style="font-size: 14pt;"> ماشین بردار پشتیبان یک دسته بندی کننده باینری می باشد ، به عبارت دیگر تنها می تواند تنها دو کلاس را از هم دسته بندی کند اما LIBSVM حالت چندكلاسه را نيز پشتيباني مي كند، بنابراين از نظر ميزان دشواري انجام پروژه، تفاوتي بين مسائل دو كلاسه و چند كلاسه وجود دارد. تنها تفاوت اين است كه مجموعه هاي بزرگتر و يا حالت چند كلاسه ممكن است به زمان بيشتري  براي آموزش و آزمايش نياز داشته باشند.</span></p>
<p style="text-align: justify;"><span style="font-size: 14pt;">نرمافزار LIBSVM دو حالت كلي براي حل مسئله دسته بندي دارد: C-SVM و nu-SVM. تفاوت اين دو در چگونگي بيان مسئله به صورت يك مسئله بهينه سازي و همچنين پارامتر مورد تنظيم است. در اين پروژه بايد مسائل براي هسته هاي مختلف در هر دو حالت حل شود. براي حالت nu-SVM، براي پارامتر nu كه با –n مشخص مي شود، از مقادير 1/0، 25/0، 5/0، 75/0، 9/0 و 0/1 استفاده شود. براي حالت C-SVM نيز براي پارامتر C كه با –c مشخص مي شود از مقادير 001/0، 01/0، 1/0، 1، 10، 100 و 1000 استفاده شود.</span><br />
<span style="font-size: 14pt;"> اين نرم افزار چهار هسته مختلف را به صورت پيشفرض پشتيباني ميكند كه عبارتند از هستههاي خطي، چندجمله اي، RBF و Sigmoid. شما بايستي نتايج را براي هر هسته به صورت جداگانه به دست آوريد.</span><br />
<span style="font-size: 14pt;"> هسته خطي هيچ پارامتري ندارد و بنابراين تنها يك حالت اجرا دارد.</span><br />
<span style="font-size: 14pt;"> هسته چند جملهاي داراي دو پارامتر است. پارامتر اول درجه چند جملهاي است و با –d مشخص مي شود، به ازاي مقادير 1، 2، 3 و 4 بايد مسئله را حل كرد. براي پارامتر دوم نيز كه عدد ثابت جمع شونده است و با –r مشخص مي شود، سه حالت 0، 1- و 1+ را استفاده كنيد.</span><br />
<span style="font-size: 14pt;"> هسته RBF تنها يك پارامتر گاما دارد كه با –g مشخص مي شود. براي اين پارامتر يك بار مقدار پيشفرض يعني 1/k را (k تعداد ويژگيها است) استفاده كنيد (به عبارتي هيچ مقداري را براي گاما به برنامه ندهيد) و به علاوه مقادير 21/k و 1 را نيز تست كنيد.</span><br />
<span style="font-size: 14pt;"> در مورد هسته sigmoid با توجه به مسائلي كه معمولا از نظر  همگرايي به جواب پيش  ميآيد، تنها همان پيش فرض يعني مقدار ثابت 0 و گاما 1/k جواب را به دست آوريد.</span></p>
<p>&nbsp;</p>
<hr />
<p><a href="http://iran-matlab.ir/?product=%D9%85%D8%A7%D8%B4%DB%8C%D9%86-%D8%A8%D8%B1%D8%AF%D8%A7%D8%B1-%D9%BE%D8%B4%D8%AA%DB%8C%D8%A8%D8%A7%D9%86-%D8%A8%D8%B1%D8%A7%DB%8C-%DA%86%D9%86%D8%AF-%DA%A9%D9%84%D8%A7%D8%B3%DB%8C" target="_blank" rel="noopener noreferrer"><img decoding="async" class="aligncenter size-full wp-image-2524" src="https://matlab1.ir/wp-content/uploads/2015/07/multiclass-Support-Vector-Machine-MATLAB-Code2.png" alt="multiclass Support Vector Machine MATLAB Code2" width="400" height="400" srcset="https://matlab1.ir/wp-content/uploads/2015/07/multiclass-Support-Vector-Machine-MATLAB-Code2.png 400w, https://matlab1.ir/wp-content/uploads/2015/07/multiclass-Support-Vector-Machine-MATLAB-Code2-150x150.png 150w, https://matlab1.ir/wp-content/uploads/2015/07/multiclass-Support-Vector-Machine-MATLAB-Code2-300x300.png 300w, https://matlab1.ir/wp-content/uploads/2015/07/multiclass-Support-Vector-Machine-MATLAB-Code2-140x140.png 140w, https://matlab1.ir/wp-content/uploads/2015/07/multiclass-Support-Vector-Machine-MATLAB-Code2-50x50.png 50w, https://matlab1.ir/wp-content/uploads/2015/07/multiclass-Support-Vector-Machine-MATLAB-Code2-110x110.png 110w" sizes="(max-width: 400px) 100vw, 400px" /></a></p>
<hr />
<p><a href="http://iran-matlab.ir/?product=%D9%81%DB%8C%D9%84%D9%85-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-libsvm" target="_blank" rel="noopener noreferrer"><img decoding="async" class="aligncenter" src="http://iran-matlab.ir/wp-content/uploads/2016/05/libsvm-support-vector-machine-MATLAB.png" alt="" width="400" height="400" /></a></p>
<p style="text-align: center;"><span style="font-size: 14pt;">براي دانلود فيلم آموزشي LIBSVM بر روي تصوير بالا كليك كنيد</span></p>
<p>نوشته <a href="https://matlab1.ir/%d9%86%da%a9%d8%a7%d8%aa%db%8c-%d8%af%d8%b1-%d9%85%d9%88%d8%b1%d8%af-%d9%85%d8%ac%d9%85%d9%88%d8%b9%d9%87-%da%a9%d8%af%d9%87%d8%a7%db%8c-libsvm/">نکاتی در مورد مجموعه کدهای LIBSVM</a> اولین بار در <a href="https://matlab1.ir">ايران متلب</a>. پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://matlab1.ir/%d9%86%da%a9%d8%a7%d8%aa%db%8c-%d8%af%d8%b1-%d9%85%d9%88%d8%b1%d8%af-%d9%85%d8%ac%d9%85%d9%88%d8%b9%d9%87-%da%a9%d8%af%d9%87%d8%a7%db%8c-libsvm/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
	</channel>
</rss>
