بهینه سازی ماشین بردار پشتیبان با استفاده از داده های مثلثی درون خوشه بندی فازی برای کار با مجموعه داده های بزرگ
محل انتشار: چهارمین کنفرانس مهندسی برق و الکترونیک ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,433
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_163
تاریخ نمایه سازی: 6 مهر 1391
چکیده مقاله:
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.
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 :