مقايسه روش هاي دسته بند فاكتور ماتريس غيرمنفي و ماشين بردار پشتيبان مبتني بر دقت و زمان اجرا

در اين مقاله، دسته بندي يك نوع عمليات براي تحليل داده ها و استخراج مدل به منظور توصيف دسته هاي مهم داده ها، فهم و پيش بيني رفتار آينده آنها ميباشد. اهميت استفاده از دسته بندي در تحليل داده هاي گسسته و طبقه اي استفاده مي كنند. مقايسه ميان دو روش دسته بندي ماشين بردار پشتيبان,فاكتوريل ماتريس غيرمنفي انجام شده است. همچنين زمان اجرا، دقت و ميزان خطا، براساس پارامترهايي شامل اندازه، نوع خصوصيات وابسته و همچنين خصوصيات مشابه به يكديگر از ديتاست KDD99، محاسبه و ارائه گرديده است. هنگاميكه تعداد داده هاي بيشتري در انجام محاسبات بكار برده مي شوند نتايج پايدارتري حاصل مي شود. ماشين بردار پشتيبان از چهارده روش متفاوت انتخاب ويژگي پياده سازي شده است و در دسته بندي داده ها نتايج ارزنده اي به دست آمده است. اما داراي دقت پايين و زمان اجرا بسيار كند است. درطي مقايسه ي انجام شده، الگوريتم فاكتوريل ماتريس غيرمنفي در مقابل ساير دسته بندها شامل ويژگي ها وكارايي بسيارقابل توجهي را دارا است. بطوريكه هر چه تعداد داده ها و ويژگي ها جهت دسته بندي بيشتر باشد تخمين دقت بالا و پايدارتر و ضريب خطا كمتري را حاصل و همچنين زمان اجرا به مراتب كمتر مي شود.