طبقه بندی مجموعه داده های بزرگ با استفاده از SVMs
Publish place: 1st National Innovation Conference on Computer Engineering and Information Technology
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,483
This Paper With 37 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEIT01_005
تاریخ نمایه سازی: 9 تیر 1393
Abstract:
ماشین بردار پشتیبان (SVMs) از روش های خوب برای طبقه بندی و تجزیه و تحلیل رگرسیون می باشند به دلیل توابع ریاضی که انتقال چند خواص برجسته است که روشهای دیگر به سختی فراهم می کند. با این حال، با وجود خواص برجسته SVMs آنها برای داده های بزرگ در مقیاس مورد علاقه یادگیری برای به رسمیت شناختن الگو و یا دستگاه به دلیل پیچیدگی آموزش SVMs به شدت به اندازه مجموعه داده وابسته است. بسیاری از برنامه های کاربردی داده کاوی در دنیای واقعی شامل میلیون ها یا میلیاردها پرونده داده که در آن حتی اسکن چندگانه تمام داده ها بیش از حد گران است انجام می شوند. این مقاله یک روش جدید، مبتنی بر خوشه SVM (CB-SVM) است که به طور خاص برای کار با مجموعه داده های بسیار بزرگ طراحی شده است. CB-SVM اعمال می شود یک الگوریتم میکرو خوشه بندی سلسله مراتبی است که تنظیم اسکن تمام داده ها فقط یک بار به ارائه SVM با نمونه های با کیفیت بالا که حمل خلاصه آماری از SVM داده به طوری که خلاصه به حداکثر رساندن سود از یادگیری CB-SVM . تلاش می کند به تولید بهترین مرز SVM را برای داده های بسیار بزرگ مجموعه گفته شده مقدار محدود از منابع است . آزمایشات ما بر روی داده های واقعی و مصنوعی مجموعه نشان می دهد که CB-SVM بسیار مقیاس پذیر است برای مجموعه داده های بسیار بزرگ وبرای تولید طبقه بندی با دقت بالا.
Authors
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 :