RT Dissertation/Thesis
T1 Large-scale classification based on support vector machine
A1 Ali Hammouri, Ziad Akram
K1 Classification
K1 large-scale datasets
K1 support vector machine
K1 closed-form training
K1 model selection
K1 RBF kernel
K1 spread tuning
AB Esta tese propón o fast support vector classifier, unha versión eficiente damáquina de vectores de soporte (SVM) con cerne gausiano para problemas de clasificación grandes. Esteclasificador acada un acerto cercano aos mellores métodos dispoñíbeis, sendo moito máis rápido que aqueles enconxuntos de ata 31 millóns de datos, 30.000 entradas e 131 clases. Tamén axusta os requerimentos de memoria,permitindo a súa execución en datos de tamano case arbitrariamente grande. Esta tese tamén propón o algoritmoideal kernel tuning, un método de sintonización eficiente da anchura do cerne gausiano para a SVM, método que éo máis rápido comparado con outras 5 alternativas da literatura, cun acerto moi perto do mellor dispoñíbelactualmente e cun reducido consumo de memoria.
YR 2022
FD 2022
LK http://hdl.handle.net/10347/29255
UL http://hdl.handle.net/10347/29255
LA eng
DS Minerva
RD 28 abr 2026