دانلود کد تشخیص چهره
دانلود کد تشخیص چهره با استفاده از ماشین بردار پشتیبان با استفاده از ماشین بردار پشتیبان SVM
دانلود کد تشخیص چهره
برای دانلود رایگان فیلم های آموزشی این موضوع اینجا کلیک کنید
برای این موضوع اینجا کلیک کنید
برای تدریس خصوصی این موضوع اینجا کلیک کنید
برای این موضوع اینجا کلیک کنید
برای انجام پروژه برنامه نویسی MATLAB این موضوع اینجا کلیک کنید
برای دانلود رایگان جزوه کتاب مقاله پایان نامه این موضوع اینجا کلیک کنید
SVM
احتمالات مساوی برای ایجاد لیست فعالیتها ایجاد نماید. این خاصیت این شانس را ایجاد می کند که GA بشرط آنکه زمان کافی در اختیار داشته باشد بتواند مجموعه های مناسبی از جوابها را بیابد. از طرف دیگر RLFT شانس بزرگتری به لیستهای فعالیتهایی می دهد که بنظر مناسب می آیند و به این ترتیب RLFT در زمانهای کوتاهتر کارایی بهتری را نشان می دهد. اما ممکن است که جواب بهینه در داخل جوابهایی که RLFT جستجو می کند نباشد. این خاصیت RLFT در LFT بصورت تجدید شده وجود دارد. در ارتباط با تقاطع، تقاطع دو نقطه ای نسبت به سایر روشها در تمامی بازه های زمانی ارجحیت دارد. از آنجا که WS، RND و RLFT احتمالات مثبتی برای انتخاب کردن هریک از فعالیتها ایجاد می کنند انتظار می رود که در مدت زمانهای طولانی برای اجرای الگوریتم کارآیی آنها تقریبا معادل باشد.
مسائل فوق همچنین زمانی که هزینه تاخیر بزرگ در نظر گرفته میشود آزمایش شده است. در اینصورت در حقیقت یک مسئله RIP داریم. نتایج این آزمایشات در جداول ۴ و ۵ آمده است. نتیجه مقایسه SSS و PSS مشابه نتایج بدست آمده از آزمایشات روی مسئله RIPT است و به همین دلیل تنها یک ترکیب از پارامتر ها برای PSS در جدول ۴ آمده است. SVM
آخرین دیدگاه‌ها