Отрывок: 3. РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТОВ В таблице 1 приведено время обучения и AUC (на тестовой выборке) для libsvm и для предложенного метода (для различного размера случайных подвыборок SRS и числа случайных подвыборок NRS для двух модельных наборов данных с разным чис...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Курбаков М. Ю. | ru |
dc.contributor.author | Сулимова В. В. | ru |
dc.coverage.spatial | OCSVM | ru |
dc.coverage.spatial | большие задачи | ru |
dc.coverage.spatial | одноклассовая классификация | ru |
dc.coverage.spatial | повышение производительности | ru |
dc.creator | Курбаков М. Ю., Сулимова В. В. | ru |
dc.date.accessioned | 2023-10-06 09:21:47 | - |
dc.date.available | 2023-10-06 09:21:47 | - |
dc.date.issued | 2023 | ru |
dc.identifier | RU\НТБ СГАУ\541798 | ru |
dc.identifier.citation | Курбаков, М. Ю. Быстрая одноклассовая SVM классификация для большой обучающей совокупности / М. Ю. Курбаков, В. В. Сулимова // Информационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6 т. / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - Фил. Федер. науч.-исслед. центра "Кристаллография и фотоника" Рос. акад. наук. - Самара : Изд-во Самар. ун-та, 2023Т. 5: Науки о данных / под ред. Е. В. Гошина. - 2023. - С. 051742. | ru |
dc.identifier.uri | http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Bystraya-odnoklassovaya-SVM-klassifikaciya-dlya-bolshoi-obuchaushei-sovokupnosti-106030 | - |
dc.description.abstract | В основу данной работы положен популярный метод одноклассовой классификации OCSVM. Мы предлагаем усовершенствованный вариант данного метода, целью создания которого является обеспечение возможности работы с большими обучающими совокупностями, что является проблематичным для OCSVM из-за высокой трудоемкости обучения. Основная идея предлагаемого подхода заключается в применении OCSVM к независимым случайным подвыборкам из исходной обучающей совокупности с последующим объединением результатов в единое решение, совпадающее по виду с решающим правилом OCSVM. Экспериментальное исследование показало, что предложенный подход позволяет существенно ускорить решение задачи, получая при этом точное (или близкое к точному) решение. | ru |
dc.language.iso | rus | ru |
dc.relation.ispartof | Информационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6 | ru |
dc.source | Информационные технологии и нанотехнологии (ИТНТ-2023). - Т. 5 : Науки о данных | ru |
dc.title | Быстрая одноклассовая SVM классификация для большой обучающей совокупности | ru |
dc.type | Text | ru |
dc.citation.spage | 051742 | ru |
dc.citation.volume | 5 | ru |
dc.textpart | 3. РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТОВ В таблице 1 приведено время обучения и AUC (на тестовой выборке) для libsvm и для предложенного метода (для различного размера случайных подвыборок SRS и числа случайных подвыборок NRS для двух модельных наборов данных с разным чис... | - |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
978-5-7883-1921-6_2023-051742.pdf | 228.8 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.