Please use this identifier to cite or link to this item:
http://dspace.univ-tiaret.dz:80/handle/123456789/4778
Title: | LA CLASSIFICATION DES DOCUMENTS PAR APPRENTISSAGE SVM |
Authors: | KEMOUNE, NADIA |
Keywords: | Représentation vectorielle, Classification, Apprentissage, Support Vector Machines (SVM), Optimisation quadratique, Décomposition |
Issue Date: | 2012 |
Publisher: | Université Ibn Khaldoun -Tiaret- |
Abstract: | L’apprentissage du support vector machine (SVM) conduit à un problème d’optimisation quadratique sous contraintes linéaires bornées. Malgré ce problème est claire, Il devient impossible, en termes de stockage mémoire et temps d’apprentissage, d’être résolu pour un nombre d’exemples d’apprentissage très élevé. Pour l’objectif de réduire le temps d’apprentissage, on propose ici un algorithme qui s’inspire de la méthode de décomposition proposé par Osuna dédié à l’optimisation des SVMs : il segmente le problème d’optimisation initial en sous problèmes calculable par la machine. |
URI: | http://dspace.univ-tiaret.dz:80/handle/123456789/4778 |
Appears in Collections: | Master |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
TH.M.INF.FR.2012.02.pdf | 2,26 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.