지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2024.6
- 수록면
- 1,890 - 1,894 (5page)
이용수
초록· 키워드
오류제보하기
Support Vector Machine (SVM) is an algorithm that finds the decision boundary that best separates classes in each feature space. However, traditional SVM models have the drawback of requiring manual feature extraction. Recently, there has been an increasing trend of using deep learning models for feature extraction while employing SVM as the classifier. Nevertheless, using a linear layer for classification remains much more common. This study demonstrates that using SVM as the classifier improves classification performance compared to using a generic linear layer. We also investigate the impact of the feature extractor"s performance on the classifier. Although it may be theoretically obvious that better feature extraction leads to improved classification, directly validating this through research can be a valuable exploration. We use NCT CRC-HE data and plant data collected outside the laboratory to examine the performance of the feature extractor and the impact of the presence or absence of SVM. This study provides insights not only into the classification task but also into the backbone and head of the model. By investigating the relationship between the quality of the feature extractor and the performance of SVM, our research aims to contribute to a better understanding of the interplay between these components in classification tasks.
목차
Abstract
Ⅰ. Introduction
Ⅱ. Background
Ⅲ. Implementation
Ⅳ. Conclusion
Reference
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Comparing Feature Extraction and Classification Performance Between LS-SVM and Deep Kernel Methods
Proceedings of The International Workshop on Future Technology
2017 .05
-
SVM 알고리즘 기반의 PM10 이진 분류 모델
한국정보통신학회 종합학술대회 논문집
2020 .07
-
Classification Performance Analysis of Silicon Wafer Micro-Cracks Based on SVM
Journal of the Korean Society for Precision Engineering
2016 .09
-
SVM 분류기를 위한 CNN 기반의 특징 보강
한국정보과학회 학술발표논문집
2016 .06
-
기계학습 SVM 알고리즘 기반의 물체 인식 알고리즘 연구
제어로봇시스템학회 국내학술대회 논문집
2019 .05
-
SVM 기반의 오디오 이벤트 검출 성능 분석
한국정보기술학회논문지
2018 .06
-
고유주파수를 이용한 SVM 의 훈련함수에 따른 표적 구분
한국통신학회 학술대회논문집
2017 .06
-
Ranked feature 기반 SVM을 적용한 레이저 용접 모니터링
대한용접학회 특별강연 및 학술발표대회 개요집
2020 .11
-
SVM 기반의 재무 정보를 이용한 주가 예측
정보과학회 컴퓨팅의 실제 논문지
2015 .03
-
SVM Classifier 기반 전자식 과전류 계전기
대한전기학회 학술대회 논문집
2024 .04
-
다중-클래스 SVM 기반 야간 차량 검출
대한임베디드공학회논문지
2015 .01
-
데이터 집합의 분산을 적용한 선형 SVM의 성능 개선
한국정보과학회 학술발표논문집
2016 .06
-
LS-SVM을 이용한 고조파 탐지
대한전자공학회 학술대회
2015 .06
-
실시간 영상처리를 위한 SVM 분류기의 FPGA 구현
전기전자학회논문지
2016 .09
-
위 내시경 영상에서의 비정상 분류를 위한 머신러닝 기반 컴퓨터 보조 진단 시스템
전기학회논문지
2020 .01
-
IoT 환경을 위한 SVM 알고리즘 저전력화 방안 연구
한국컴퓨터정보학회 학술발표논문집
2017 .01
-
Classification of Textured Images Based on Discrete Wavelet Transform and Information Fusion
JIPS(Journal of Information Processing Systems)
2015 .01
-
Genetic Outlier Detection for a Robust Support Vector Machine
INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS
2015 .06
-
SVM 을 이용한 무인이동체의 외란 분류 기법 연구
제어로봇시스템학회 논문지
2022 .04
-
SVM을 이용한 계통내 고장 위치 판별 기법에 관한 연구
대한전기학회 학술대회 논문집
2019 .07
최근 본 자료
댓글(0)
0