پریسا رنجبر - دانشجوی کارشناسی ارشدرشته مهندسی کامپیوتر، دانشگاه پیام نور بین الملل قشم
سید حسن صادق زاده - استادیار، گروه کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور، تهران، ایران

با توجه به دو مشکل الگوریتم - =SVM= در پردازش داده های بزرگ ، این مقالهیک فاصله اقلیدسی وزنی ، تابع هسته انتگرال شعاعی =SVM= و الگوریتم کاهش ابعادرا برای طبقه بندی بسته های داده بزرگ پیش اد کرد .=SVM= نمی توانداثربخشی با آزمایش نتایج تجربی نشان می دهد که الگوریتم بودیافته می تواند نتایجتری به دست آورد زمانی که نمونه های چند تکراری و ظرفیت داده های بزرگ برایطبقه بندی چندگانه استفاده می شوند.

ماشین بردار پشتیبانی SVMداده های بزرگ چند طبقه بندی فاصله اقلیدس ی . تابع هسته انتگرال شعاعی