ماشین بردار پشتیبان یکی از ابزارهای توانمند در زمینه یادگیری ماشین با ناظر در - طبقه بندی داده ها میباشد. در مواجهه باا داده هایی که ساختار ماشین بردار پشتیبان خطی در طبقه بندی آنها از کارایی لازم برخوردار نیست، استفاده از ساختار ماشاین باردار پشتیبان مبتنی بر هستهها مدنظر میباشد. در رویکرد مبتنی بر هسته ها به دلیل استفاده از فضای ویژگی دادهها به جای خود دادههای اصلی امکان طبقه بندی غیرخطی فراهم میآید. یکی از چالش های موجود در این رویکرد افزایش پیچیدگیهای محاسباتی و در نهایت افزایش زمان لازم برای طبقه بندی است. عمدت ا این افزایش زمان محاسباتی به دلیل ظاهر شدن هسته در حل مسئله بهینه سازی درجه دوم است که با استفاده از تقریب رتبه پایین ارائه شده در این مقاله قادر خواهیم بود بر این مشکل غلبه کنیم. در این تکنیا باا باه کارگیری سری تقریبی قطع شده از هسته موجود، مسئله بهینهسازی درجه دوم در ساختار ماشین بردار پشتیبان مبتنی بر هسته ها با ی مسئله بهینه سازی با ساختار ساده تر جایگزین میگردد. در این رویکرد ، حاصلضربهای بردار ماتریس و تجزیه هاای ماتریسای - مورد نیاز بسیار سریعتر انجام خواهد شد. این تغییرات منجر به حل سریعتر مسئله بهینه سازی درجه دوم موجود و افزایش کارایی در طبقه بندی میگردد. نهایت ا نتایج عددی ارائه شده در طبقه بندی برخی داده های کاربردی با استفاده از تقریب رتبه پایین ماشین باردار پشتیبان مبتنی بر هسته ها نشان میدهد که ضمن حفظ عملکرد طبقه بندی در حد قابل قبول، زمان محاسباتی به طور قابال تاوجهی کاهش یافته است.
