یک روش برای کاهش طبقه بندی داده با استفاده از تکنیک وزن دهی در svm+

svm یک الگوریتم یادگیری مرتبط به تجزیه و تحلیل داده ها و تشخیص الگوها مورد استفاده می باشد.اما مسئله مهمی که وجود دارد داده های تکراری و همچنین زمان پردازش واقعی آن بدرستی مورد محاسبه واقع نشده است. به همین دلیل ما یک روش برای کاهش طبقه بندی داده ها با استفاده از تکنیک وزن دهی در svm+ است را ارائه داده ایم. روش پیشنهادی که با درنظر گرفتن پارامترها نسبت به svm+ زمان پاسخگویی بهینه دارد.با مشاهده پارامتر حجم داده ها و چگالی آن ها توانستیم اندازه بازه را به صورت موردی قسمت بندی نماییم که این طبقه بندی نسبت به مطالعه موردی بررسی شده زمان اجرای الگوریتم svm+ را کاهش می دهد. همچنین با ارائه تابع هدف روش پیشنهادی، توانستیم با ادغام نمودن پارامترها و قسمت بندی داده ها، داده های تکراری را نسبت به svm+ کاهش داده و درنهایتحدآستانه ای تعریف نمودیم تا با توجه به تابع صلاحیت، زمان پردازش را کاهش داده و همچنین سرعت پردازش داده ها را افزایش دهیم. درنهایت الگوریتم پیشنهادی با تکنیک وزن دهی تابع نسبت به svm+ از لحاظ کارآمدی بهینه شده است.