يك روش براي كاهش طبقه‌بندي داده با استفاده از تكنيك وزن‌دهي در SVM+

SVM يك الگوريتم يادگيري مرتبط به تجزيه و تحليل داده‌ها و تشخيص الگوها مورد استفاده مي‌باشد. اما مسئله مهمي كه وجود دارد داده‌هاي تكراري و همچنين زمان پردازش واقعي آن بدرستي مورد محاسبه واقع نشده است. به همين دليل در اين مقاله ما يك روش +DCSVM كه براي كاهش طبقه‌بندي داده‌ها با استفاده از تكنيك وزن‌دهي در+ SVMاست را ارائه داده‌ايم. روش پيشنهادي كه با در نظر گرفتن پارامترها نسبت به+ SVM زمان پاسخگويي بهينه دارد. با مشاهده پارامتر حجم داده‌ها و چگالي آن‌ها توانستيم اندازه بازه را به‌صورت موردي قسمت‌بندي نماييم كه اين طبقه‌بندي نسبت به مطالعه موردي بررسي‌ شده زمان اجراي الگوريتم +SVM را كاهش مي‌دهد. همچنين با ارائه تابع هدف روش پيشنهادي، توانستيم با ادغام نمودن پارامترها و قسمت‌بندي داده‌ها، داده‌هاي تكراري را نسبت به +SVM كاهش داده و درنهايت حدآستانه‌اي براي روش +DCSVM ارائه نموديم تا با توجه به تابع صلاحيت، زمان پردازش را كاهش داده و همچنين سرعت پردازش داده‌ها را افزايش دهيم. در نهايت الگوريتم پيشنهادي با تكنيك وزن‌دهي تابع نسبت به +SVM از لحاظ كارآمدي بهينه ‌شده است.