زهرا جعفری - دانشجوی کارشناسی ارشد مهندسی کامپیوتر، دانشگاه پیام نور
آرش قربان نیا دلاور - عضوهیئت علمی مهندسی کامپیوتر و فناوری اطلاعات دانشگاه پیام نور

در تکنیک وزن دهی +SVM، کاهش طبقه بندی داده ها یکی از موارد مهم می باشد. در این مقاله یک روش برای کاهش طبقه بندی داده ها با استفاده از تکنیک وزن دهی در +SVM را ارائه داده ایم که با درنظر گرفتن یک منبع پارامترها به تابع صلاحیتی رسیده و با پارامتر حجم داده ها و چگالی آنها توانستیم اندازه بازه ها را به گونه ای تعریف کنیم و توانسته ایم طبقه بندی را نسبت به مطالعه موردی که بررسی شده کاهش دهیم. با درنظر گرفتن پارامترهای توانستیم با قسمت بندی داده ها، داده های تکراری را کاهش داده و در نهایت با وجود آستانه در تابع هدف زمان پردازش را کاهش و سرعت را افزایش دهیم.

داده کاوی (Data Mining)، ماشین بردار پشتیبان (SVM (SUPPORT VECTOR MACHINE)، طبقه بندی داده (Data Classification)، داده های تکراری (Duplicate Data)، چگالی (Density)، حد آستانه (TD)