تشخیص تقلب با استفاده از ماشین بردار پشتیبان و تئوری مجموعه راف
هشت سال پیش منتشر شده
تعداد بازدید: 1201
کد پروژه: 45258
شرح پروژه
استفاده از روش k-fold cross validation برای آموزش الگوریتم پیشنهادی
استفاده از نرم افزار داده كاوي Rossetta با استفاده از الگوریتم Genetic و حالت "کامل" جهت انتخاب ویژگی (نیاز به مذاکره، احتمالا غیر الزامی می باشد)
استفاده از LIBSVM و کرنل RBF
پس از استفاده از الگوریتم های فوق موارد زیر باید در حالت های بدون انتخاب ویژگی و حالت با انتخاب ویژگی به دست آید:
زمان آموزش و زمان آزمایش
میزان دقت
میزان بازخوانی
معیار F
نمودار خطا
و تمامی نمودارهایی که از نظر کارشناس لازم می باشد
جهت بررسی قدرت عملکرد تشخیص تقلب در روش ماشین بردار پشتیبان و تئوری مجموعه راف :
مقادیر( میزان دقت، بازخوانی و F-score ) برای حالت‌های بدون/ با استفاده از ویژگی‌های انتخابی این روش با مقادیر بدست آمده در مدل رگرسیون لجستیک (LR) و همچنین شبکه عصبی با الگوریتم پس انتشار خطا (BP) به عنوان روش‌های پایه مقایسه می شوند. برای پیاده‌سازی این روش از نرم افزار MATLAB استفاده شود .
در صورتی که دیتاست معتبر نداشته باشید ، دیتاست مربوطه در اختیار شما گذاشته می شود.
مهارت ها و تخصص های مورد نیاز
مهلت برای انجام
7روز
وضعیت مناقصه
بسته
درباره کارفرما
عضویت هشت سال پیش
