జర్నల్ ఆఫ్ ఇన్ఫర్మేషన్ టెక్నాలజీ & సాఫ్ట్వేర్ ఇంజనీరింగ్

జర్నల్ ఆఫ్ ఇన్ఫర్మేషన్ టెక్నాలజీ & సాఫ్ట్వేర్ ఇంజనీరింగ్
అందరికి ప్రవేశం

ISSN: 2165- 7866

నైరూప్య

కార్యాచరణ గుర్తింపు కోసం మెషిన్ లెర్నింగ్ వర్గీకరణ నమూనాలపై తులనాత్మక అధ్యయనం

మొహసేన్ నబియన్

యాక్టివిటీ రికగ్నిషన్ (AR) సిస్టమ్‌లు అనేది సెల్-ఫోన్‌లు మరియు స్మార్ట్ వేరబుల్స్ కోసం అభివృద్ధి చేయబడిన మెషీన్ లెర్నింగ్ మోడల్‌లు, ఇవి నడక, నిలబడి, పరుగు మరియు బైకింగ్ వంటి వివిధ నిజ-సమయ మానవ కార్యకలాపాలను గుర్తించడానికి. ఈ పేపర్‌లో, లాజిస్టిక్ రిగ్రెషన్, సపోర్ట్ వెక్టర్ మెషిన్, కె-సమీప నైబర్స్, నైవ్ బేస్, 'డిసిషన్ ట్రీ' మరియు రాండమ్ ఫారెస్ట్‌తో సహా అనేక ప్రసిద్ధ పర్యవేక్షించబడిన మరియు పర్యవేక్షించబడని అభ్యాస నమూనాల పనితీరు (ఖచ్చితత్వం మరియు గణన సమయం) పరిశీలించబడ్డాయి. డేటాసెట్. రాండమ్ ఫారెస్ట్ మోడల్ 99 శాతం కంటే ఎక్కువ ఖచ్చితత్వంతో ఇతర మోడల్‌లను అధిగమిస్తుందని చూపబడింది. PCA ఒక దాచిన లేయర్ మరియు SVM మోడల్‌లతో కచ్చితత్వం మరియు సమయం రెండింటిలో ఆర్టిఫిషియల్ న్యూరల్ నెట్‌వర్క్ పనితీరును గణనీయంగా మెరుగుపరిచిందని చూపబడింది, అయితే PCA రన్నింగ్ టైమ్‌ని పెంచడం మరియు ప్రిడిక్షన్ ఖచ్చితత్వాన్ని తగ్గించడం ద్వారా రాండమ్ ఫారెస్ట్ లేదా డెసిషన్ ట్రీ మోడల్‌లపై ప్రతికూల ప్రభావాలను చూపింది. .

నిరాకరణ: ఈ సారాంశం కృత్రిమ మేధస్సు సాధనాలను ఉపయోగించి అనువదించబడింది మరియు ఇంకా సమీక్షించబడలేదు లేదా ధృవీకరించబడలేదు.
Top