Sökning: "support vector machines"

Visar resultat 1 - 5 av 145 uppsatser innehållade orden support vector machines.

  1. 1. A Comparison of Different Machine Learning Models for Cardiovascular Disease Detection

    Kandidat-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS); KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Aleksander Mitic; Oskar Nehlin; [2019]
    Nyckelord :;

    Sammanfattning : Cardiovascular disease (CVD) is the leading cause of death worldwide and the majority of the deaths occur in low to middle income countries. This makes the prevention of CVDs an accute problem to study and much research has been done already. LÄS MER

  2. 2. A Comparative Study of Facial Recognition Techniques : With focus on low computational power

    Kandidat-uppsats, Högskolan i Skövde/Institutionen för informationsteknologi; Högskolan i Skövde/Institutionen för informationsteknologi; Högskolan i Skövde/Institutionen för informationsteknologi

    Författare :Timmy Schenkel; Oliver Ringhage; Nicklas Branding; [2019]
    Nyckelord :Machine Learning; Facial Recognition; Low Computational Power;

    Sammanfattning : Facial recognition is an increasingly popular security measure in scenarios with low computational power, such as phones and Raspberry Pi’s. There are many facial recognition techniques available. The aim is to compare three such techniques in both performance and time metrics. LÄS MER

  3. 3. Maskininlärning: avvikelseklassificering på sekventiell sensordata. En jämförelse och utvärdering av algoritmer för att klassificera avvikelser i en miljövänlig IoT produkt med sekventiell sensordata

    Kandidat-uppsats, Malmö universitet/Teknik och samhälle

    Författare :Filip Heidfors; Elias Moltedo; [2019]
    Nyckelord :Machine learning; Supervised learning; Classifying algorithms; Classifiers; Random Forest; Naïve bayes; Support vector machine; Sensor data; Sequential data;

    Sammanfattning : Ett företag har tagit fram en miljövänlig IoT produkt med sekventiell sensordata och vill genom maskininlärning kunna klassificera avvikelser i sensordatan. Det har genom åren utvecklats ett flertal väl fungerande algoritmer för klassificering men det finns emellertid ingen algoritm som fungerar bäst för alla olika problem. LÄS MER

  4. 4. Detecting exoplanets with machine learning : A comparative study between convolutional neural networks and support vector machines

    Kandidat-uppsats, Uppsala universitet/Institutionen för teknikvetenskaper; Uppsala universitet/Institutionen för teknikvetenskaper; Uppsala universitet/Institutionen för teknikvetenskaper; Uppsala universitet/Institutionen för teknikvetenskaper

    Författare :Jacob Tiensuu; Maja Linderholm; Sofia Dreborg; Fredrik Örn; [2019]
    Nyckelord :Machine learning; Exoplanet; Support vector machine; Convolution neuralnetwork;

    Sammanfattning : In this project two machine learning methods, Support Vector Machine, SVM, and Convolutional Neural Network, CNN, are studied to determine which method performs best on a labeled data set containing time series of light intensity from extrasolar stars. The main difficulty is that in the data set there are a lot more non exoplanet stars than there are stars with orbiting exoplanets. LÄS MER

  5. 5. A Study on Text Classification Methods and Text Features

    Kandidat-uppsats, Linköpings universitet/Institutionen för datavetenskap

    Författare :Benjamin Danielsson; [2019]
    Nyckelord :NLP; Text Classification; SVM; MLP; PCA; SUC; DigInclude;

    Sammanfattning : When it comes to the task of classification the data used for training is the most crucial part. It follows that how this data is processed and presented for the classifier plays an equally important role. LÄS MER