Quantile hashing : uma abordagem escalável baseada em hashing sensível a localidade para o problema dos k-vizinhos mais próximos
Carregando...
Data
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Artigo de evento
Título alternativo
Primeiro orientador
Membros da banca
Resumo
Este artigo apresenta um novo método de classificação de
dados denominado QH Quantile Hashing, cujo o objetivo reduzir os custos computacionais associados ao k-NN, eliminando a necessidade da
computação das distâncias por meio de um método ingênuo de Locality
Sensitive Hashing(LSH ). Um grande volume de dados (105 amostras) foi
utilizado nos testes e o método proposto, QH, apresentou uma excelente
escalabilidade quando comparado ao k-NN tradicional. A implementação
do método QH ´e direcionada a dois objetivos: processar grande volume
de dados em menor tempo e manter a qualidade encontrada pela versão
original do k-NN.
Abstract
Assunto
Aprendizado do computador
Palavras-chave
Machine Learning, Classification, Nearest Neighbor, Locality Sensitive Hashing
Citação
Departamento
Curso
Endereço externo
https://sbic.org.br/wp-content/uploads/2018/09/cbic-paper-56.pdf