ماشین بردار پشتیبانی

ماشین بردار پشتیبانی ( Support vector machines - SVMs ) یکی از روش های یادگیری بانظارت[ ۱] است که از آن برای طبقه بندی[ ۲] و رگرسیون[ ۳] استفاده می کنند. مبنای کاری دسته بندی کنندهٔ SVM دسته بندی خطی داده ها است و در تقسیم خطی داده ها سعی می کنیم ابرصفحه ای را انتخاب کنیم که حاشیه اطمینان بیشتری داشته باشد. حل معادله پیدا کردن خط بهینه برای داده ها به وسیله روش های برنامه سازی غبرخطی که روش های شناخته شده ای در حل مسائل محدودیت دار هستند صورت می گیرد. قبل از تقسیمِ خطی برای اینکه ماشین بتواند داده های با پیچیدگی بالا را دسته بندی کند داده ها را به وسیلهٔ تابعِ phi به فضای با ابعاد خیلی بالاتر[ ۴] می بریم. برای اینکه بتوانیم مسئله ابعاد خیلی بالا را با استفاده از این روش ها حل کنیم از قضیه دوگانی لاگرانژ[ ۵] برای تبدیلِ مسئلهٔ مینیمم سازی مورد نظر به فرم دوگانی آن که در آن به جای تابع پیچیدهٔ phi که ما را به فضایی با ابعاد بالا می برد، تابعِ ساده تری به نامِ تابع هسته ( کرنل ) که ضرب برداری تابع phi است ظاهر می شود استفاده می کنیم. از توابع هسته مختلفی از جمله هسته های نمایی، چندجمله ای و سیگموید می توان استفاده نمود. یکی از معروفترین خودآموزها مربوط به[ ۶] است.
الگوریتم SVM، جزو الگوریتم های تشخیص الگو دسته بندی می شود. از الگوریتم SVM، در هر جایی که نیاز به تشخیص الگو یا دسته بندی اشیا در کلاس های خاص باشد می توان استفاده کرد. در ادامه به کاربردهای این الگوریتم به صورت موردی اشاره می شود:
سیستم آنالیز ریسک، کنترل هواپیما بدون خلبان، ردیابی انحراف هواپیما، شبیه سازی مسیر، سیستم راهنمایی اتوماتیک اتومبیل، سیستم های بازرسی کیفیت، آنالیز کیفیت جوشکاری، پیش بینی کیفیت، آنالیز کیفیت کامپیوتر، آنالیز عملیاتهای آسیاب، آنالیز طراحی محصول شیمیایی، آنالیز نگهداری ماشین، پیشنهاد پروژه، مدیریت و برنامه ریزی، کنترل سیستم فرایند شیمیایی و دینامیکی، طراحی اعضای مصنوعی، بهینه سازی زمان پیوند اعضا، کاهش هزینه بیمارستان، بهبود کیفیت بیمارستان، آزمایش اتاق اورژانس، اکتشاف روغن و گاز، کنترل مسیر در دستگاه های خودکار، ربات، جراثقال، سیستم های بصری، تشخیص صدا، اختصار سخن، کلاسه بندی صوتی، آنالیز بازار، سیستم های مشاوره ای محاسبه هزینه موجودی، اختصار اطلاعات و تصاویر، خدمات اطلاعاتی اتوماتیک، مترجم لحظه ای زبان، سیستم های پردازش وجه مشتری، سیستم های تشخیص ترمز کامیون، زمانبندی وسیله نقلیه، سیستم های مسیریابی، کلاسه بندی نمودارهای مشتری/بازار، تشخیص دارو، بازبینی امضا، تخمین ریسک وام، شناسایی طیفی، ارزیابی سرمایه، کلاسه بندی انواع سلول ها، میکروب ها و نمونه ها، پیش بینی فروش های آینده، پیش بینی نیازهای محصول، پیش بینی وضعیت بازار، پیش بینی شاخص های اقتصادی، پیش بینی ملزومات انرژی، پیش بینی واکنش های دارویی، پیش بینی بازتاب محصولات شیمیایی، پیش بینی هوا، پیش بینی محصول، پیش بینی ریسک محیطی، پیش بینی جداول داوری، مدل کردن کنترل فرایند، آنالیز فعالیت گارانتی، بازرسی اسناد، تشخیص هدف، تشخیص چهره، انواع جدید سنسورها، دستگاه کاشف زیر دریایی به وسیلهٔ امواج صوتی، رادار، پردازش سیگنال های تصویری شامل مقایسه اطلاعات، پیگیری هدف، هدایت جنگ افزارها، تعیین قیمت وضعیت فعلی، جلوگیری از پارازیت، شناسایی تصویر /سیگنال، چیدمان یک مدار کامل، بینایی ماشین، مدل کردن غیر خطی، ترکیب صدا، کنترل فرایند ساخت، آنالیز مالی، پیش بینی فرایندهای تولید، ارزیابی به کارگیری یک سیاست، بهینه سازی محصول، تشخیص ماشین و فرایند، مدل کردن کنترل سیستم ها، مدل کردن ساختارهای شیمیایی، مدل کردن سیستم های دینامیکی، مدل کردن سیگنال تراکم، مدل کردن قالب سازی پلاستیکی، مدیریت قراردادهای سهام، مدیریت وجوه بیمه، دیریت سهام، تصویب چک بانکی، اکتشاف تقلب در کارت اعتباری، ثبت نسیه، بازبینی امضا از چکها، پیش بینی ارزش نسیه، مدیریت ریسک رهن، تشخیص حروف و اعداد، تشخیص بیماری و…