یک روش جهت دسته بندی ورودی با در نظر گرفتن فاصله مکانی در بردار وزن با استفاده از SVM کاربردی
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 415
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CITCOMP02_500
تاریخ نمایه سازی: 7 اسفند 1396
چکیده مقاله:
SVM یک الگوریتم یادگیری مرتبط به تجزیه و تحلیل داده ها و تشخیص الگوهای مورد استفاده می باشد. SVM+ همان نسخه کاربردی SVM است که برپایه استفاده از داده های متمایز و خاص است.مشکل در این الگوریتم ها وجود داده های تکراری و زمان پردازش واقعی است.ما در این مقاله روشی برای دسته بندی ورودی با درنظر گرفتن فاصله مکانی در بردار وزن با استفاده از SVM+ است را ارایه داده ایم. روش پیشنهادی ما با درنظرگرفتن دسته بندی نسبت به SVM+ سرعت بهتری دارد. با مشاهده وزن و اندازه داده ها توانستیم بازه ها را قسمت بندی کنیم، و داده ها را دسته بندی کرده و زمان اجرا و سرعت الگوریتم را بهینه نماییم. همچنین با ارایه تابع هدف روش پیشنهادی، توانستیم ورودی ها را دسته بندی و پارامترها را ادغام کنیم تا با توجه به تابع هدف زمان و دقت پردازش را کاهش دهیم و در نهایت نسبت به SVM+ از لحاظ کارآمدی بهینه شده است.
کلیدواژه ها:
داده کاوی ، دسته بندی داده ها ، ماشین بردار پشتیبان ، چگالی ، حدآستانه ، داده تکراری ، سرعت الگوریتم
نویسندگان
فرزانه لامعی رامندی
گروه کامپیوتر، دانشکده فنی مهندسی، واحد شهر ری، تهران ، ایران
آرش قربان نیادلاور
استادیار گروه علوم کامپیوتر، دانشگاه پیام نور ، تهران