ACCELERATION OF SVM CLUSTERING TECHNOLOGY USING CHEBYSHEV ITERATION TECHNIQUE

A system for training a classifier for clustering a plurality of data items, comprising a processor adapted to profile a subset of a plurality of training samples to determine a layers number of training layers and values of a vector operator used by an iterative optimization process for evaluating separation plane parameter(s) of a clustering classifier, train the clustering classifier using a multi-layer scheme comprising a layers number of training layers each comprising a plurality of optimization iterations and output the clustering classifier for clustering new samples. Each optimization iteration comprises calculating optimal solutions for the separation plane parameter(s), each of the optimal solutions is calculated by applying the iterative optimization process to the plurality of training samples using a respective pair of Lagrange multipliers, evaluating the plurality of optimal solutions compared to optimality condition(s) and initiating a next optimization iteration in case the optimality condition(s) is not satisfied. L'invention concerne un système destiné à entraîner un classificateur au regroupement d'une pluralité d'éléments de données, comportant un processeur prévu pour créer un profil d'un sous-ensemble d'une pluralité d'échantillons d'entraînement afin de déterminer un nombre de couches de couches d'entraînement et des valeurs d'un opérateur vectoriel utilisé par un processus itératif d'optimisation pour évaluer un ou des paramètres de plan de séparation d'un classificateur de regroupement, entraîner le classificateur de regroupement en utilisant un schéma multicouche comportant un nombre de couches de couches d'entraînement comportant chacune une pluralité d'itérations d'optimisation et délivrer le classificateur de regroupement pour regrouper de nouveaux échantillons. Chaque itération d'optimisation comporte les étapes consistant à calculer des solutions optimales pour le ou les paramètres de plan de séparation, chacune des solutions optimales étant calculée en appliquant le processus itératif d'optimisation à la pluralité d'échantillons d'entraînement à l'aide d'une paire respective de multiplicateurs de Lagrange, à évaluer la pluralité de solutions optimales par comparaison à une ou des conditions d'optimalité et à lancer une itération suivante d'optimisation dans le cas où la ou les conditions d'optimalité ne sont pas satisfaites.