Repozytorium publikacji - Politechnika Gdańska

The paper presents our approach to SVM implementation in parallel environment. We describe how classification learning and prediction phases were pararellised. We also propose a method for limiting the number of necessary computations during classifier construction. Our method, named one-vs-near, is an extension of typical one-vs-all approach that is used for binary classifiers to work with multiclass problems. We perform experiments of scalability and quality of the implementation. The results show that the proposed solution allows to scale up SVM that gives reasonable quality results. The proposed one-vs-near method significantly improves effectiveness of the classifier construction.

Autorzy

• dr hab. inż. Jerzy Balicki link otwiera się w nowej karcie ,
• dr hab. inż. Julian Szymański link otwiera się w nowej karcie ,
• mgr inż. Marcin Kępa link otwiera się w nowej karcie ,
• mgr inż. Karol Draszawka link otwiera się w nowej karcie ,
• dr inż. Waldemar Korłub link otwiera się w nowej karcie