بهینه سازی ماشین بردار پشتیبان با استفاده از داده های مثلثی درون خوشه بندی فازی برای کار با مجموعه داده های بزرگ
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 1,524
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICEEE04_163
Index date: 27 September 2012
بهینه سازی ماشین بردار پشتیبان با استفاده از داده های مثلثی درون خوشه بندی فازی برای کار با مجموعه داده های بزرگ abstract
ماشین بردار پشتیبان (SVM) یک ابزار قوی برای طبقه بندی داده ها می باشد. زمان آموزش SVM با تعداد داده های آموزش رابطه مستقیم دارد. در این مقاله، یک روش کاهش دهنده حجم داده بر اساس انتخاب داده های مثلثی درون خوشه بندی فازی (FCM) مطرح شده است. در ابتدا با استفاده از روش خوشه بندی فازی به خوشه بندی داده های آموزش پرداخته می شود. در هر خوشه، سه داده آموزشی که بیشترین فاصله را با مرکز خوشه و یکدیگر دارند انتخاب می شوند. از داده های مثلثی و مراکز خوشه ها بعنوان داده های آموزش کاهش یافته برای آموزش SVM استفاده می شود. نتایج آزمایشات انجام شده بر روی مجموعه داده های بزرگ پایگاه داده UCI نشان می دهد که روش پیشنهادی علاوه بر کاهش زمان آموزش با انتخاب مناسب داده ها باعث تقویت ویژگی مقاوم بودن SVM در برابر داده های نویزی و پرت و همچنین کاهش تعداد بردارهای پشتیبان انتخابی توسط SVM در مجموعه داده های بزرگ می شود.
بهینه سازی ماشین بردار پشتیبان با استفاده از داده های مثلثی درون خوشه بندی فازی برای کار با مجموعه داده های بزرگ Keywords:
بهینه سازی ماشین بردار پشتیبان با استفاده از داده های مثلثی درون خوشه بندی فازی برای کار با مجموعه داده های بزرگ authors
امید الماسی نقاش
دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد گناباد
مجتبی روحانی
استادیار، دانشگاه آزاد اسلامی واحد گناباد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :