ارائه یک الگوریتم مناسب برای یادگیری جریانی بر اساس الگوریتم ماشین‌های بردار پشتیبان دوقلوی مربعات حداقلی فازی

Abstract

چکیده: الگوریتم ماشین بردار پشتیبان یکی از الگوریتم¬های مشهور و با ‏کارایی بالا در یادگیری ماشین و کاربردهای مختلف است. از این ‏الگوریتم تاکنون نسخه¬های متعددی ارائه شده است که آخرین نسخه ‏آن ماشین‌های بردار پشتیبان دوقلوی مربعات حداقلی فازی می¬باشد. ‏اغلب کاربردها در دنیای امروز دارای حجم انبوهی از اطلاعات هستند. از ‏سویی دیگر یکی از جنبه¬های مهم داده¬های حجیم جریانی بودن آن-‏هاست که باعث شده¬است بسیاری از الگوریتم¬های سنتی کارایی لازم را ‏در مواجهه با آن نداشته باشند. در این مقاله برای نخستین بار نسخه ‏افزایشی الگوریتم ماشین‌های بردار پشتیبان دوقلوی مربعات حداقلی ‏فازی ارائه شده است. نسخه ارائه شده در دو حالت برخط و شبه برخط ‏ارائه شده است. برای بررسی صحت و دقت الگوریتم ارائه شده دو کاربرد ‏آن مورد ارزیابی قرار گرفته است. در یک کاربرد این الگوریتم بر روی 6 ‏دیتاست مخزن ‏UCI‏ اجرا شده که در مقایسه با سایر الگوریتم¬ها از ‏کارایی بالاتری برخوردار است. حتی این کارایی در مقایسه با نسخه¬های ‏غیر افزایشی نیز کاملا قابل تشخیص اشت که در آزمایش¬ها به آن ‏پرداخته شده است. در کاربرد دوم این الگوریتم در مبحث اینترنت اشیا ‏و بطور خاص در داده¬های مربوط به فعالیت روزانه بکار گرفته شده است. ‏طبق نتایج آزمایشگاهی الگوریتم ارائه شده بهترین کارایی را در مقایسه ‏با سایر الگوریتم¬های افزایشی دارد.‏