一种基于多支持向量机分类器的并行学习算法

• 作者: 张健沛 李忠伟 杨静
• 来源期刊: 哈尔滨工程大学学报
• 学科: 工学
• 关键词: 支持向量机 多分类器 并行学习 循环反馈
• 年，卷（期）: 2006,（z1）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 374-378
• 页数: 5页
• 分类号: TP3
• 字数: 2988字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-7043.2006.z1.079

摘要

为了在并行计算系统中应用支持向量机,提出一种基于多支持向量机分类器的并行学习算法.分析了w-model算法的不足,并在训练过程中采用循环式反馈更新各支持向量机分类器以避免样本的分布状态对各分类器性能的影响,提高各分类器的训练精度.学习过程以平均分类精度为阈值,对部分分类器重新训练,实现对多分类器学习系统性能的全局优化.在UCI标准测试数据集上进行的实验结果表明,循环式反馈能有效地平衡多分类器学习性能相差过大的问题,算法较w-model具有更高的训练效率和分类效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张健沛	哈尔滨工程大学计算机科学与技术学院	156	1356	19.0	28.0
2	杨静	哈尔滨工程大学计算机科学与技术学院	178	2073	24.0	37.0
3	李忠伟	南开大学软件学院	9	27	2.0	5.0