ارائه یک ماشین بردار پشتیبان حداقل مربعات محدب سریع برای مجموعه داده های بزرگ
محل انتشار: چهارمین کنفرانس مهندسی برق و الکترونیک ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,436
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEEE04_164
تاریخ نمایه سازی: 6 مهر 1391
چکیده مقاله:
در مرحله آموزش، ماشین بردار پشتیبان معمولی دارای زمان آموزش طولانی برای طبقه بندی مجموعه داده های بزرگ می باشد. در این مقاله، یک ماشین بردار پشتیبان حداقل مربعات محدب سریع پیشنهاد شده است که دارای سرعت آموزش بالایی در برخورد با مجموعه داده های بزرگ می باشد. در ابتدا، فضای محدب هر کلاس از مجموعه داده ها با استفاده از الگوریتم Qhull به دست آورده می شود و در مرحله ی دوم از داده هایی که بر روی پوسته ی فضای محدب هر کلاس قرار دارند جهت آموزش ماشین بردار پشتیبان حداقل مربعات استفاده می شود. عملکرد روش پیشنهادی بر روی مجموعه داده های بزرگ پایگاه داده UCI آزمایش شده و با ماشین بردار پشتیبان معمولی مقایسه گردیده است. نتایج نشان دهنده ی آن است که نه تنها زمان آموزش کاهش می یابد بلکه با افزایش تعداد داده ها دقت بیشتری نیز حاصل می گردد.
کلیدواژه ها:
نویسندگان
امید الماسی نقاش
دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد گناباد
مجتبی روحانی
استادیار، دانشگاه آزاد اسلامی واحد گناباد
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 :