انجمن کامپیوتر ایران

دستهبندی دادهها یکی از مهمترین شاخههای مطرح شده در یادگیری ماشین میباشد. یکی از روشهای دسته بندي که امروزه نسبت به سایر روشها بیشتر استفاده میشودSupport Vector Machine(SVM) است. دلیل برتری این Classifier نسبت به سایر روشها، تعميم پذيري مناسب این روش میباشد. میزان کارایی این Classifier به پارامتر تعميم پذيري C بستگی دارد که مقدار آن بر اساس Cross-Validation انتخاب میشود. اما يكي از بزرگترين مشكلات SVM، سرعت پايين آن به خصوص بر روي دادههاي با حجم بالا و پيچيده است كه در اين راستا تلاشهاي بسياري صورت گرفته است. در این مقاله رويكرد جديدي جهت توقف زود هنگام الگوریتم SVM با فرض مشخص بودن دادههاي تست در زمان آموزش ارائه شده است كه در مواردي چون Cross-Validation به شدت موجب كاهش زمان يادگيري، بدون تغيير در نتيجه دسته بندي ميشود. در نهايت روش پيشنهادي بر روي دادههاي بسياري اجرا شده است و نتايج كاهش چشم گير زمان يادگيري را نشان ميدهد.