ماشين بردار پشتيبان دوگانه ساختاري چگالي گرا

اطلا عات ساختاری داده ھا، بخ شی از دا نش و اطلا عات پی شین كم تر توجھ شده برای آموزش یك طبقھ بند است. یكی از قوی ترین طبقھ بند ھا در حوزه یادگیری ماشین، است كھ با یافتن نقاط حاشیھ بین دو كلاس، این دو كلاس (SVM) ماشین بردار پشتیبان بھ اطلاعات ساختاری و پیشین درون كلاس ھا داده ،SVM . را از یكدیگر جدا می كند تو جھ ای ندارد و بیش تر تو جھ آن برروی جدا سازی بین كلاس ھا ا ست. ی كی از است S-TWSVM الگوریتم ھایی كھ بر روی اطلاعات ساختاری توجھ نموده، الگوریتم كھ از دو ابر صفحھ (دو مدل) برای ت شخیص كلاس داده ی جد ید، ا ستفاده می ك ند بھ صورتی كھ ھر مدل، فقط اطلاعات ساختاری یك كلاس را در نظر می گیرد و با دور شدن از كلاس دیگر، بھ این كلاس مورد نظر نزدیك تر می شود. در الگوریتم فوق كلیھ نقاط كلاس مورد نظر با درجھ اھمیت یكسانی بررسی می شود، درحالی كھ ممكن است تعدادی از نقاط آن كلاس از درجھ اھمیت بیش تر و تعدادی از آن ھا نویز باشند كھ درجھ اھمیت پایینی داشتھ باشند. الگوریتم پیشنھادی با وزن دھی بھ نقاط نواحی متراكم، توجھ الگوریتم بھ این نقاط را بیش تر و با وزن دھی كم تر بھ نقاط پرت و نویز، اھمیت این نقاط كم تر می نماید بھ طوری كھ دقت الگوریتم افزایش می یابد. كھ دوكلاسی ھستند، آزمایش شده UCI الگوریتم پیشنھادی بر روی داده ھای پایگاه S-TWSVM ، است. نتایج حاصل نشان دھنده برتری روش پیشنھادی نسبت بھ روش ھمتا است.