Классификация объектов в обучающихся системах распознавания с помощью алгоритма секущих гиперплоскостей

Раздел
Программирование
Тип
Просмотров
169
Покупок
1
Антиплагиат
Не указан
Размещена
17 Июл 2021 в 13:18
ВУЗ
ДонНТУ
Курс
3 курс
Стоимость
300 ₽
Демо-файлы   
3
png
изображение_2021-07-17_131803 изображение_2021-07-17_131803
10.2 Кбайт 10.2 Кбайт
png
изображение_2021-07-17_131812 изображение_2021-07-17_131812
46.9 Кбайт 46.9 Кбайт
png
изображение_2021-07-17_131818 изображение_2021-07-17_131818
37.9 Кбайт 37.9 Кбайт
Файлы работы   
1
Каждая работа проверяется на плагиат, на момент публикации уникальность составляет не менее 40% по системе проверки eTXT.
docx
ИАД (Расчетная работа)
272.2 Кбайт 300 ₽
Оглавление

. Выполнить генерацию исходной выборки данных (по 30 объектов каждого из 3-х классов, каждый из объектов описывается 2 признаками), используя следующий алгоритм:

Xi = {xi1, xi2},i = 1,90.

Вектор классаW1:

Вектор классаW2:

Вектор классаW3:

Где , …, – равномерно распределенные числа в интервале от 0 до 1 для генерации двух значений признаков i-ого объекта выборки; ak, bk – параметры генераторов, выбираемые из таблицы 1 согласно номеру студента в журнале.

2. Выполнить генерацию классифицируемых объектов (3 объекта, каждый из которых описывается 2 признаками), используя следующий генератор:

Xi = {xi1, xi2},i = 1,3.

Вектор классаW1:

3. Построить программно решающие правила классификации по обучающей выборке используя алгоритм секущих гиперплоскостей.

4. Выполнить ручной просчет построения решающего правила. В качестве обучающей выборки по 5 объектов каждого из классов, созданных в пункте 1 (генерацию данных можно выполнить программно или в любом математическом пакете).

Выполнить построенным решающим правилом классификацию 2-х объектов из выборки Х, созданных в пункте 2 (генерацию данных можно выполнить программно или в любом математическом пакете).

Таблица 1 – Вариант задания

Вариант

A10

B10

A20

B20

A30

B30

3

7

1

14

6

21

5

Список литературы

1. Коэльё Л. П., Ричерт В. Построение систем машинного обучения на языке Python. – Перевод с английского. – М.: ДМК Пресс, 2015. – с. – 330.

2. Маккинли У. Python и анализ данных. – Перевод с английского. – М.: ДМК Пресс, 2015. – 482 с. – 315.

3. Марк Лутц. Программирование на Python / Пер. с англ. – 4-е изд. – СПб.: Символ-Плюс, 2011. – Т. I. – 992 с.

Вам подходит эта работа?
Похожие работы
Искусственный интеллект
Лабораторная работа Лабораторная
26 Мар в 13:05
8
0 покупок
Искусственный интеллект
Тест Тест
20 Мар в 20:02
16
0 покупок
Другие работы автора
Обучение нейронных систем
Дипломная работа Дипломная
30 Июл 2023 в 07:42
81
0 покупок
Обучение нейронных систем
Дипломная работа Дипломная
30 Июл 2023 в 07:24
74
0 покупок
Обучение нейронных систем
Дипломная работа Дипломная
30 Июл 2023 в 07:07
83
0 покупок
Обучение нейронных систем
Дипломная работа Дипломная
26 Июл 2023 в 05:09
86
0 покупок
Основы программирования
Дипломная работа Дипломная
24 Июл 2023 в 03:58
114
0 покупок
Обучение нейронных систем
Дипломная работа Дипломная
24 Июл 2023 в 03:13
116
1 покупка
Интеллектуальные информационные сети
Дипломная работа Дипломная
23 Июл 2023 в 04:34
92
0 покупок
Основы программирования
Дипломная работа Дипломная
19 Июл 2023 в 03:23
87
0 покупок
Темы журнала
Показать ещё
Прямой эфир