ارایه روش مناسب کاهش افزونگی داده هاباماشین بردارپشتیبان

Abstract

همواره جستجو درمیان حجم عظیم داده هاامری دشوار بودها ست به همین منظور پژوهشگران همواره به دنبال راهکارهایی هستند تابتوانند سرعت جستجوی خود را افزایش دهند برای جستجوی بهتر اغلب ازالگوریتم های یادگیری ماشین استفاده میشود ازمیان تمام این الگوریتم ها روش ماشین بردارپشتیبان یکی ازبرجسته ترین روشها دراین حوزه است اینروش بامشکل زمان زیاد برای محاسبه بردارهای پشتیبان درمواجه با داده های حجم بالا و پیچیده است یکی ازرایج ترین روشها جهت افزایش سرعت این دسته بند حذف داده های افزونه می باشد که اغلب حذف این داده ها بااستفاده ازروشهای خوشه بندی صورت گرفته است درپژوهش حاضر علاوه برحذف خوشه های افزونه بااستفاده ازتحلیل تمایز فیشرروشی جهت حذف داده های افزونه موجود درخوشه های باقیمانده ارایه شدها ست که سرعت این دسته بند را باحفظ دقت افزایش میدهد نتایج ازمایشها برروی پایگاه داده های Covtype Adult-a9 حاکی ازصحت دسته بندی مناسب به همراه کاهش چشمگیر درسرعت اجرا می باشد الگوریتم پیشنهادی تنها بااستفاده از77% زمان اجرای LIBSVM عمل دسته بندی رابرروی پایگاه داده Covtypeانجام میدهد.