تصدیق سریع SVM بر اساس توقف زود هنگام در الگوریتم بهینه سازی تکرار شونده

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,021

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSICC16_022

تاریخ نمایه سازی: 28 بهمن 1390

چکیده مقاله:

دسته بندی داده ها یکی از مهمترین شاخه های مطرح شده دریادگیری ماشین می باشد یکی از روشهای دسته بندی که امروزه نسبت به سایرروشها بیشتر استفاده می شود Support Vector Machine(SVM است دلیل برتری این Classifier نسبت به سایرروشها تعمیم پذیری مناسب این روش می باشد میزان کارایی این Classifier به پارامتر تعمیم پذیری c بستگی دارد که مقدار آن براساس Cross-Validationانتخاب می شوداما یک یاز بزرگترین مشکلات SVM سرعت پایین آن به خصوص برروی داده های با حجم بالا و پیچیده اهست که دراین راستاتلاشهای بسیاری صورت گرفته است دراین مقاله رویکرد جدیدی جهت توقف زود هنگام الگوریتم sVM با فرض مشخص بودن داده های تست در زمان آموزش ارایه شده است که درم واردی چون Cross-Validation به شدت موجب کاهشزمان یادگیری بدون تغییر درنتیجه دسته بندی می شود درنهایت روش پیشنهادی برروی داده های بسیاری اجرا شده است و نتایج کاهش چشمگیر زمان یادگیری را نشان میدهد.

نویسندگان

سید محمود فاموری

دانشکده برق و کامپیوتر دانشگاه شیراز

زهره عظیمی فر

دانشکده برق و کامپیوتر دانشگاه شیراز

محمد طاهری

دانشکده برق و کامپیوتر دانشگاه شیراز

آریا ایرانمهر

دانشکده برق و کامپیوتر دانشگاه شیراز

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 :
  • _ Vapnikand A. Y. Chervonenkis, _ the uniform convergence of ...
  • probabilities, " Theory of Probability and its Applications, 16(2), pp. ...
  • V. Vapnik, ;The Nature of Statistical Learning Theory, " Springer, ...
  • H. Trevor, T. Saharon, T. Robert, Z. Ji, "The ...
  • Machine Learning Research1 391-1415, 2004. ...
  • K. B. Ismael, S. H. Salleh, J. M. Najeb and ...
  • K. Schittkow ski, ;Optimal parameter selection in support vector machines, ...
  • fast SVM training method for A:ه [6] B. Li, Q. ...
  • _ S. Boyd, L. Vandenberghe, :Convex Optimization, " Cambridge University ...
  • C. Chang and C. Lin, LIBSVM: a library for support ...
  • نمایش کامل مراجع