مقایسه دقت و زمان کلاس بندی الگوریتم های ماشین بردار پشتیبان و شبکه عصبی برای شناسایی غواص

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقایسه دقت و زمان کلاس بندی الگوریتم های ماشین بردار پشتیبان و شبکه عصبی برای شناسایی غواص دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقایسه دقت و زمان کلاس بندی الگوریتم های ماشین بردار پشتیبان و شبکه عصبی برای شناسایی غواص  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقایسه دقت و زمان کلاس بندی الگوریتم های ماشین بردار پشتیبان و شبکه عصبی برای شناسایی غواص،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقایسه دقت و زمان کلاس بندی الگوریتم های ماشین بردار پشتیبان و شبکه عصبی برای شناسایی غواص :

تعداد صفحات : ۱۰

ویژگیهای منحصر به فرد و امکان انتشار آسان سیگنال های صوتی در محیط زیر آب، امکان شناسایی و ردگیری اهداف زیر آبی بوسیله آنها را فراهم میکند. از جمله کاربردهای پدافندی سیگنال صوتی در حوزه دریا را میتوان استفاده از سونار برای شناسایی غواص به منظور جلوگیری از نفوذ غواصان در نیروگاه های ساحلی و همچنین حفاظت از تجهیزات بندرگاهی و… نام برد. برای این مقصود شناسایی صحیح غواص از سایر اهداف زیرآبی مانند: دلفین ها و توده ماهی ها اهمیت می یابد. در این مقاله برای شناسایی غواص از دو روش کلاس بندی اهداف ماشین بردار پشتیبان و شبکه عصبی استفاده شده است و برای این کار از دو ویژگی قدرت هدف و سرعت هدف بهره گرفته شده است. در انتها نتایج این روش ها براساس دقت و زمان کلاس بندی و شناسایی مورد ارزیابی قرارگرفته است. شبیه سازی ها نشان دهنده آن است که ماشین بردار پشتیبان با تابع کرنل RBF بهترین نتیجه را دارد.