Feature construction and parameter setting for Support Vector Machines

Varování

Publikace nespadá pod Fakultu sportovních studií, ale pod Fakultu informatiky. Oficiální stránka publikace je na webu muni.cz.

Autoři	KUBA Petr
Rok publikování	2003
Druh	Článek ve sborníku
Konference	Proceedings of the 2nd Conference Znalosti 2003
Fakulta / Pracoviště MU	Fakulta informatiky
Citace
Obor	Informatika
Klíčová slova	Support Vector Machines; parameter setting; feature construction; Apriori; frequent patterns; object-oriented data
Popis	Support Vector Machines (SVM) are a machine learning algorithm that can be used for both classification and regression problems. In this paper, we focus on two problems with SVM. First, we concentrate on the parameter setting of SVM which has great influence on the performance. Then feature construction is discussed. Features can be used to improve results of SVM and to represent structured data in SVM. Mining frequent patterns from structured data is used to construct features.
Související projekty:	Interakce člověka s počítačem, dialogové systémy a asistivní technologie