Wavelet twin support vector machines based on glowworm swarm optimization

ماشین بردار پشتیبان دوقلو یک الگوریتم یادگیری ماشین است که از ماشین بردار استاندارد پشتیبانی می کند. عملکرد دستگاه بردار حامی دوقلو همیشه بهتر از دستگاه بردار پشتیبانی در مجموعه های داده ای است که دارای مناطق متقابل هستند. تکنیک بردار حباب دوقلوی که به تازگی پیشنهاد شده، عملکرد هسته موجک را به دستگاه بردار حمایت دوقلو معرفی می کند تا تلفیقی از روش های تحلیل موجک و حیات بردار حمایت دوقلو به دست آید. دستگاه بردار حبابی دوتایی نه تنها طیف وسیعی از انتخاب تابع هسته را گسترش می دهد، بلکه توانایی عمومی سازی دستگاه بردار حامی دوقلو را نیز بسیار افزایش می دهد. با این حال، مشابه با دستگاه بردار پشتیبانی دوقلو، دستگاه بردار حباب دوقلو می تواند با مشکل انتخاب پارامتر خوب حل نمی کند. پارامترهای نامناسب توانایی طبقه بندی الگوریتم را کاهش می دهند. به منظور حل مسئله انتخاب پارامتر در ماشین ویبره دوقلو پشتیبانی بردار، در این مقاله از روش بهینه سازی تکه تکه شدن کرم به منظور بهینه سازی پارامترهای ماشین بردار پشتیبانی دوتایی موجک و پیشنهاد برش ماشین بردار ویولت برقی براساس بهینه سازی کرم گلابی استفاده می کنیم. ویبره دوتایی بردار پشتیبانی از بردار بر اساس بهینه سازی پرورش گل سرخ مایل به قرمز طول می کشد پارامترهای ماشین بردار حباب دوقلو به عنوان اطلاعات موقعیت از کرم های تیره، با توجه به عملکرد برای محاسبه ضریب طبقه بندی ماشین بردار حباب دوقلو به عنوان تابع هدف و شروع می شود الگوریتم بهینه سازی پرتوی کرم برای به روز رسانی کرم گلابی. پارامترهای بهینه اطلاعات موقعیت کرم های نورانی است که ما دریافت می کنیم زمانی که الگوریتم بهینه الگوریتم روده برافروختگی متوقف می شود. بردار موجبر دوقلو بردار براساس بهینه سازی پرتوی گل دهی، پارامترهای دستگاه بردار موجک دوتایی را قبل از فرآیند آموزش به طور خودکار برای جلوگیری از مشکل انتخاب پارامتر تعیین می کند. پارامترهای معقول عملکرد یک ماشین بردار پشتیبانی دوتایی موجک را افزایش می دهند و دقت را بهبود می دهند. نتایج تجربی بر روی مجموعه داده های معیار نشان می دهد که رویکرد پیشنهادی کارآمد و دارای دقت طبقه بندی بالا است.