روشی برای کاهش دسته بندی داده با وزن دهی داده ها در SVM+

SVM یک الگوریتم یادگیری مرتبط به تجزیه و تحلیل داده ها و تشخیص الگوهای مورد استفاده برای طبقه بندی می باشد و SVM+ نسخه کاربردی SVM است که تکیه ظریفی بر ارتباط بین داده های منظم و شاخص دارد، در تکنیک وزن دهی SVM+ ، کاهش طبقه 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. SVM+ را ارائه داده ایم که با در نظر گرفتن یک منبع پارامترها به تابع صلاحیتی رسیده و با در نظر گرفتن 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 در نظر گرفتن پارامترها توانستیم با قسمت بندی داده ها، داده های تکراری را کاهش داده و در نهایت با وجود حد آستانه در تابع هدف زمان پردازش را کاهش و سرعت را افزایش دهیم.

کلیدواژه ها:

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