کلاسه‌بندی رادارهای کشف شده توسط سیستم‌های جنگ الکترونیک- قسمت ۱۷
حاشیه امن[۳۲]: تاکنون فرض شده است که داده ها را میتوان با یک خط راست جدا کرد؛ اما بسیاری از مجموعه داده های واقعی به این راحتی قابل جداسازی نیستند، مثلاً زمانی که مجموعه داده شامل نویز و خطاست. در این حالت نیزSVM باید قادر به رسیدگی کردن به خطاهای زیر در داده باشد(۳-۱۴): a- یک نقطه درون ناحیه جداسازی(حاشیه) اما در طرف درست قرار گیرد. b- یک نقطه در سمت اشتباه قرار گیرد.
شکل ۳-۱۴- نمایش حاشیه امن در الگوریتم SVM
در ۳-۱۴ در حالت a، بدون داشتن جداسازی اشتباه[۳۳] یک ابرصفحه جداکننده خطی نمیتوان ساخت. ازاین‌رو ابرصفحه بهینه ای ساخته میشود که احتمال خطای جداسازی اشتباه را حداقل کند. اگر داده آموزشی به‌صورت خطی قابل جداسازی نبود، میتوان متغیر کمکی[۳۴] را اضافه کرد تا اجازه جداسازی اشتباه را برای نمونه های نویزی بدهد. متغیرهای کمکی اجازه می‌دهند بعضی از نمونه ها درون حاشیه قرار بگیرند، اما آن ها را جریمه می‌کند. این متغیرها انحراف یک نقطه داده از جداکننده ایده آل آن را اندازه می‌گیرند. رابطه جدید شامل متغیرهای کمکی به‌صورت رابطه بیان میشود:
برای دانلود متن کامل پایان نامه به سایت fotka.ir مراجعه نمایید.
(۳-۳۳)
با در نظر گرفتن محدودیت، طبق رابطه ، عبارت حداکثر تعداد خطا را تعیین می‌کند.
(۳-۳۴)
پارامتر C به‌عنوان راهی برای کنترل سرریز است. هرچه C بزرگتر باشد، حساسیت بیشتری نسبت به خطاهایی که اجازه وقوع یافتهاند، در نظر گرفته میشود. در حقیقت c یک مصالحه[۳۵] بین پهنای حاشیه و جداسازی اشتباه است. به C پارامتر تنظیمکننده[۳۶] گفته میشود و باید توسط کاربر انتخاب شود. با رابطه تعریف شده است؛ برای ماکزیمم کردن باید رابطه در نظر گرفته شود:
