یک روش برای کاهش طبقه بندی داده با استفاده از تکنیک وزن دهی در +SVM
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 883
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- 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:
TAES01_035
تاریخ نمایه سازی: 1 آذر 1394
چکیده مقاله:
در تکنیک وزن دهی +SVM، کاهش طبقه بندی داده ها یکی از موارد مهم می باشد. در این مقاله یک روش برای کاهش طبقه بندی داده ها با استفاده از تکنیک وزن دهی در +SVM را ارائه داده ایم که با درنظر گرفتن یک منبع پارامترها به تابع صلاحیتی رسیده و با پارامتر حجم داده ها و چگالی آنها توانستیم اندازه بازه ها را به گونه ای تعریف کنیم و توانسته ایم طبقه بندی را نسبت به مطالعه موردی که بررسی شده کاهش دهیم. با درنظر گرفتن پارامترهای توانستیم با قسمت بندی داده ها، داده های تکراری را کاهش داده و در نهایت با وجود آستانه در تابع هدف زمان پردازش را کاهش و سرعت را افزایش دهیم.
کلیدواژه ها:
داده کاوی (Data Mining) ، ماشین بردار پشتیبان (SVM (SUPPORT VECTOR MACHINE) ، طبقه بندی داده (Data Classification) ، داده های تکراری (Duplicate Data) ، چگالی (Density) ، حد آستانه (TD)
نویسندگان
زهرا جعفری
دانشجوی کارشناسی ارشد مهندسی کامپیوتر، دانشگاه پیام نور
آرش قربان نیا دلاور
عضوهیئت علمی مهندسی کامپیوتر و فناوری اطلاعات دانشگاه پیام نور
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :