سال انتشار: ۱۳۸۹

محل انتشار: شانزدهمین کنفرانس بین المللی سالانه انجمن کامپیوتر ایران

تعداد صفحات: ۵

نویسنده(ها):

سید محمود فاموری – دانشکده برق و کامپیوتر دانشگاه شیراز
زهره عظیمی فر – دانشکده برق و کامپیوتر دانشگاه شیراز
محمد طاهری – دانشکده برق و کامپیوتر دانشگاه شیراز
آریا ایرانمهر – دانشکده برق و کامپیوتر دانشگاه شیراز

چکیده:

دسته بندی داده ها یکی از مهمترین شاخه های مطرح شده دریادگیری ماشین می باشد یکی از روشهای دسته بندی که امروزه نسبت به سایرروشها بیشتر استفاده می شود Support Vector Machine(SVM است دلیل برتری این Classifier نسبت به سایرروشها تعمیم پذیری مناسب این روش می باشد میزان کارایی این Classifier به پارامتر تعمیم پذیری c بستگی دارد که مقدار آن براساس Cross-Validationانتخاب می شوداما یک یاز بزرگترین مشکلات SVM سرعت پایین آن به خصوص برروی داده های با حجم بالا و پیچیده اهست که دراین راستاتلاشهای بسیاری صورت گرفته است دراین مقاله رویکرد جدیدی جهت توقف زود هنگام الگوریتم sVM با فرض مشخص بودن داده های تست در زمان آموزش ارایه شده است که درم واردی چون Cross-Validation به شدت موجب کاهشزمان یادگیری بدون تغییر درنتیجه دسته بندی می شود درنهایت روش پیشنهادی برروی داده های بسیاری اجرا شده است و نتایج کاهش چشمگیر زمان یادگیری را نشان میدهد.