Biblioteca93.141 documentos en línea

Artículo

Improvement of Support Vector Machine Algorithm in Big Data BackgroundMejora del algoritmo de máquina de vectores soporte en el contexto de Big Data

Resumen

Con el rpido desarrollo de Internet y el rpido desarrollo de la tecnologa de anlisis de grandes datos, la minera de datos ha desempeado un papel positivo en la promocin de la industria y el mundo acadmico. La clasificacin es un problema importante en la minera de datos. Este documento explora los antecedentes y la teora de las mquinas de vectores de soporte (SVM) en los algoritmos de clasificacin de minera de datos y analiza y resume el estado de la investigacin de varios mtodos mejorados de SVM. Segn la escala y las caractersticas de los datos, se seleccionan diferentes espacios de solucin, y la solucin del problema dual se transforma en la superficie de clasificacin del espacio original para mejorar la velocidad del algoritmo. Incorporando la membresa difusa en el aprendizaje multincleo, se encuentra que la complejidad temporal del problema original est determinada por la dimensin, y la complejidad temporal del problema dual est determinada por la cantidad, y la dimensin y la cantidad constituyen la escala de los datos, por lo que puede basarse en la escala de los datos Caractersticas Elegir diferentes espacios de solucin. La velocidad del algoritmo puede mejorarse transformando la solucin del problema dual en la superficie de clasificacin del espacio original. . Al mejorar la tasa de clculo de los algoritmos tradicionales de aprendizaje automtico, se concluye que la precisin de la prediccin de ajuste entre los datos predichos y el valor real alcanza el 98%, lo que puede hacer que el algoritmo tradicional de aprendizaje automtico cumpla los requisitos de la era de los grandes datos. Puede utilizarse ampliamente en el contexto del big data.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento