SVM(支持向量機)與Softmax在蝴蝶辨識問題中之觀察比較;The Comparison of Support Vector Machine and Softmax Classifier in Butterflies Recognition Problem

NCU Institutional Repository > 理學院 > 數學研究所 > 博碩士論文 > Item 987654321/79638

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/79638

题名:	SVM(支持向量機)與Softmax在蝴蝶辨識問題中之觀察比較;The Comparison of Support Vector Machine and Softmax Classifier in Butterflies Recognition Problem
作者:	陳冠廷;Chen, Kuan-Ting
贡献者:	數學系
关键词:	支持向量機;邏輯斯回歸;機器學習;影像辨識;SVM;Support Vector Machine;Logistic Regression;Softmax;Machine Learning;Image Identity
日期:	2018-11-16
上传时间:	2019-04-02 15:09:39 (UTC+8)
出版者:	國立中央大學
摘要:	本文旨在探討機器學習分類方法 ”支持向量機 ”及”Softmax ”在圖像辨識上的訓練結果比較，也研讀當今常用優化算法熟知損失函數對參更新影響關係，兩個模型訓練將以蝴蝶圖片進行實作。經由線上開放的圖片庫網站，取得 8214 張共五類蝴蝶，並自製成數據樣本集，分別帶入兩個訓練模型，觀察兩者訓練時間及準確率在迭代結果上分析比較。而後再進一步探討影響訓練結果的原因，在數據預處理上，看不同的數據庫量是否影響訓練或驗證準確度。最後將模型結果對測試集進行預測，觀察準確率分析探討影響結果的因素。;The purpose of this thesis is to explore the training resul ts of two deep learning models ：(1) Support Vector Machine ；(2) Softmax Classifier in image recognition, and study the influence of loss functions on the iterative parameters . We demonstrate the results of these two models by use of the image s of butterflies. There are five types of butterflies with 8214 pictures obtained through the onlin e database website. We use these pictures for the files of data samples to two deep learning models, and observe the training time and accuracy. Next, we analyze the fitting situation to the itera tive results. Finally, we give the reason s why the performan ce of these two models are not ideal. Therefore, we are able to improve the performance by fixing the datasets .
显示于类别:	[數學研究所] 博碩士論文

文件中的档案:

档案	描述	大小	格式	浏览次数
index.html		0Kb	HTML	193	检视/开启

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing

数据加载中.....