Детальная информация

Дипломная работа состоит из введения, 5 глав, заключения, списка использованных источников и приложения. Работа изложена на 51 страницах, содержит 7 рисунков, 2 таблицы, приложение (3 блок-схемы и код реализации алгоритма). Цель исследования: изучение особенностей построения машины опорных векторов (Support Vector Machine, SVM) и реализация алгоритма SVM_light для решения задач бинарной классификации. Задачи: 1. Изучить научные статьи по теме исследования; 2. Описать теоретическую основу SVM-подхода; 3. Описать теоретическую основу процедуры декомпозиции; 3 Описать основные этапы построения машины опорных векторов; 4 Описать алгоритм SVM_light; 5. Реализовать алгоритм SVM_light на языке Python; 6. Проверить работу реализованного алгоритма на модельных данных; 7. Привести примеры построения машин на модельных данных и на реальных данных; 8. Проанализировать полученные результаты, сравнить их с результатами из источников, сделать выводы об эффективности применения алгоритма для задач бинарной классификации.

The thesis consists of an introduction, 5 chapters, conclusion, list of references and an appendix. The work is presented on 51 pages, contains 7 figures, 2 tables, appendices (3 block diagrams and algorithm implementation code). Research objective: study the features of building a support vector machine (SVM) and implement the SVM_light algorithm for solving binary classification problems. Tasks: 1. Study scientific articles on the topic of the study; 2. Describe the theoretical basis of the SVM approach; 3. Describe the theoretical basis of the decomposition procedure; 3 Describe the main stages of building a support vector machine; 4 Describe the SVM_light algorithm; 5. Implement the SVM_light algorithm in Python; 6. Test the operation of the implemented algorithm on model data; 7. Provide examples of building machines on model data and on real data; 8. Analyze the obtained results, compare them with the results from the sources, draw conclusions about the efficiency of using the algorithm for binary classification problems.