|
SVM인 것이다. 1. SVM(Support Vector Machine) 개념
1.1 SVM 정의
1.2 역사
2. 발상
2.1 분류능력
2.2 분류기의 일반화 능력
2.3 SVM의 우수성
3. 선형SVM
3.1 이진분류를 위한 결정 초평면의 특성
3.2 서포트 벡터
4. 선형분리 가능한 SVM문제해결
4.1
|
|
|
인식 기법
1] Linear Discriminant Analysis (LDA)
2] PCA (Principal Component Analysis)
2] PCA (Principal Component Analysis)
3] SVM (Support Vector Machine)
4] Haar-like feature
4. 결론
4.1 구현 시스템
4.2 시스템 구성
4.3
|
|
|
인식
PART 8
딥러닝
딥러닝의 구조
다른 머신러닝과의 차이점
딥러닝에서의 과적합
딥러닝의 학습과 처리
딥러닝의 종류
PART 9
합성곱 신경망
합성곱 신경망(CNN)의 구조
영상 입력
합성곱(필터 처리)
풀링(Pooli
|
|
|
SVM 분류기
n두 개의 범주를 구성하는 데이터들을 가장 잘 분리해낼 수 있는 결정면을 찾아내는 모형
n문자인식, 얼굴인식, 문서 범주화 등에 이용
n kNN 분류기와 비슷한 고성능 분류기
문서 범주화: 평가척도
n범주화 정확률
n시스템에 의해 할
|
|
|
Machine learning, neural and statistical classification, 출판사?
J.R.Quinlan, "C4.5 Programs for Machine Learning", Morgan Kaufmann Publishers, San Mated, California, 1993
M. Goebel and Le Gruenwald, "A survey of data mining and knowledge discovery software tools", SIGKDD Explorations vol.1, no.1, p
|
|
|
Support Vector Machine(SVM)이 부도예측, 신용등급분석, 시계열예측, 보험사기적발 등의 분야에서 매우 우수한 성과를 내는 것으로 보고되었다. SVM은 명확한 이론적 근거에 기반을 두기 때문에 결과해석이 용이하고 적은 양의 학습자료만으로도 신
|
|
|
SVM 분석을 실행하였다.
SVM(Support Vector Machine)
추가분석으로는 SVM 모델을 사용하였는데 결정트리, 신경망 등의 분류 알고리즘보다 일반화 능력이 좋으며 성능(분류율)이 좋은 것으로 평가되고 있다. 기본설정으로 분석을 한 결과는 다음과 같다
|
|
|
적용된 회귀식의 총합이며, Moving Average나 K-NN(Kth Nearest Neighbor), RBFN(Radial Basis Function Network), Neural Network와 SVM(Support Vector Machine)와 매우 유사한 특성이 있다. 1. 커널회귀 정의 3
2. 분석방법 3
3. Kernel Width 7
4. Kernel 9
5. 참고문헌 12
|
|
|
support group
: 가족들의 사망, 아버지의 노름 빛 지병, 기타 양육 문제
Ⅴ(GAF) 85 / 55
2) 간호진단
자살위험성, 부정적 인식과 관련된 자존감 저하 임상 사례 연구
1. 간호사정
1) 일반적 정보
2) 현재의 병력
3) 발달력
4) 가족력
5
|
|
|
인식하는 모습임. 퇴원 이후에도 규칙적인 운동과 식이가 이루어 져야하며 알콜로 인해 당뇨가 문제될 수 있는 것을 교육하는 중임
< 참고문헌 >
1. 정신건강간호학(하), 이경순외, 현문사, 2003
2. 최신 정신간호학, 도복늠외, 정담, 2003 1
|
|
메뉴펼치기
