Les machines à vecteurs supports dans l’analyse des bases de données: Techniques d’accélération pour l’analyse des grandes bases de données. PDF

Programmation, design audiovisuel, ainsi que conception de logiciels pour outils musicaux, instruments, jouets et jeux.


La technique des machines à vecteurs supports (SVM) est une méthode d’apprentissage statistique qui a connu, cette dernière décennie, un grand développement en théorie et en application. Elle repose sur un fondement théorique solide basé sur le principe de maximisation de la marge, ce qui lui confie une grande capacité de généralisation. Les SVMs ont été utilisées avec succès dans plusieurs domaines tels que la reconnaissance des visages, des textes manuscrits, de la parole, …etc. Dans ce travail, nous avons traité la question de l’utilisation de la méthode SVM pour l’analyse des bases de données. En effet, Le processus d’analyse passe par plusieurs étapes, dans chacune, les données subissent des traitements qui peuvent être optimisés par l’utilisation de la méthode SVM. Le travail présenté ici propose deux techniques d’accélération des SVMs, la première pour les SVMs binaires tandis que la deuxième pour les SVMs multiclasses. Les contributions proposées ont été validées sur des données artificielles et réelles largement utilisées par la communauté, et appuyées par des analyses montrant leurs avantages et leurs limites.

Ses intérêts de recherche se situent dans les domaines généraux de l’informatique parallèle et distribuée et de la science et de l’ingénierie computationnelles et basées sur les données. Par conséquent, cet article incorpore ces paramètres dans la théorie de décision multicritère PROMETHEE (méthode d’organisation du classement par préférence pour l’évaluation de l’enrichissement) afin d’aider les décideurs à améliorer l’efficacité de leurs processus de décision, afin qu’ils trouvent la meilleure solution. bien sûr. Nous examinons brièvement quatre aspects pertinents du point de vue des investigateurs médicaux: les motivations de l’application de l’IA dans les types de données de santé analysées par les mécanismes des systèmes AI qui permettent aux systèmes d’IA de générer des résultats cliniques significatifs.-}