این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Iranian Journal of Numerical Analysis and Optimization، جلد ۱۰، شماره ۱، صفحات ۳۳-۴۷
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی An efficient algorithm to improve the accuracy and reduce the computations of LS-SVM
چکیده انگلیسی مقاله We present a novel algorithm, which is called Cutting Algorithm (CA), for improving the accuracy and reducing the computations of the Least Squares Support Vector Machines (LS-SVMs). The method is based on dividing the original problem to some subproblems. Since a master problem is converted to some small problems, so this algorithm has fewer computations. Although, in some cases that the typical LS-SVM cannot classify the dataset linearly, applying the CA the datasets can be classified. In fact, the CA improves the accuracy and reduces the computations. The reported and comparative results on some known datasets and synthetics data demonstrate the efficiency and the performance of CA.
کلیدواژه‌های انگلیسی مقاله Least squares support vector machine, Cutting algorithm, Classification
نویسندگان مقاله Mojtaba Baymani |
Department of Computer and Mathematics, Quchan University of Advanced Technology, Quchan, Iran.

Amin Mansoori |
Department of Applied Mathematics, Ferdowsi University of Mashhad, Mashhad, Iran.

نشانی اینترنتی https://ijnao.um.ac.ir/article_25092_cc4de183838fdbdf7e7a8c7aa2222d58.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات