Título: Quantile Hashing : Uma abordagem escalável baseada em Hashing sensível a localidade para o problema dos k-vizinhos mais próximos
Autores: Ribeiro Neto, Paulo;Lacerda, Gustavo;Braga, Antonio
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 é direcionada a dois objetivos: processar grande volume de dados em menor tempo e manter a qualidade encontrada pela versão original do k-NN.
Palavras-chave:
Machine Learning;Classification;Nearest Neighbor;Locality Sensitive Hashing
Páginas: 12
Código DOI: 10.21528/CBIC2017-56
Artigo em pdf: cbic-paper-56.pdf
Arquivo BibTeX: cbic-paper-56.bib