مقاله بهینه سازی ماشین بردار پشتیبان با استفاده از داده های مثلثی درون خوشه بندی فازی برای کار با مجموعه داده های بزرگ

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله بهینه سازی ماشین بردار پشتیبان با استفاده از داده های مثلثی درون خوشه بندی فازی برای کار با مجموعه داده های بزرگ دارای ۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بهینه سازی ماشین بردار پشتیبان با استفاده از داده های مثلثی درون خوشه بندی فازی برای کار با مجموعه داده های بزرگ  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله بهینه سازی ماشین بردار پشتیبان با استفاده از داده های مثلثی درون خوشه بندی فازی برای کار با مجموعه داده های بزرگ،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله بهینه سازی ماشین بردار پشتیبان با استفاده از داده های مثلثی درون خوشه بندی فازی برای کار با مجموعه داده های بزرگ :

تعداد صفحات:۸
چکیده:
ماشین بردار پشتیبان (SVM) یک ابزار قوی برای طبقه بندی داده ها می باشد. زمان آموزش SVM با تعداد داده های آموزش رابطه مستقیم دارد. در این مقاله، یک روش کاهش دهنده حجم داده بر اساس انتخاب داده های مثلثی درون خوشه بندی فازی (FCM) مطرح شده است. در ابتدا با استفاده از روش خوشه بندی فازی به خوشه بندی داده های آموزش پرداخته می شود. در هر خوشه، سه داده آموزشی که بیشترین فاصله را با مرکز خوشه و یکدیگر دارند انتخاب می شوند. از داده های مثلثی و مراکز خوشه ها بعنوان داده های آموزش کاهش یافته برای آموزش SVM استفاده می شود. نتایج آزمایشات انجام شده بر روی مجموعه داده های بزرگ پایگاه داده UCI نشان می دهد که روش پیشنهادی علاوه بر کاهش زمان آموزش با انتخاب مناسب داده ها باعث تقویت ویژگی مقاوم بودن SVM در برابر داده های نویزی و پرت و همچنین کاهش تعداد بردارهای پشتیبان انتخابی توسط SVM در مجموعه داده های بزرگ می شود.