快速训练支持向量机的并行结构

• 作者: 曹丽娟 王小明
• 来源期刊: 微电子学与计算机
• 关键词: 支持向量机 序列最小优化方法 信息传递接口 并行算法
• 年，卷（期）: 2006,（10）
• 页码范围: 96-99,103
• 页数: 5页
• 分类号: TP31
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7180.2006.10.032

摘要

序列最小优化(SMO)是一种常见的训练支持向量机(SVM)的算法,但在求解大规模问题时,它需要耗费大量的计算时间.文章提供SMO的一种并行实现方法.并行SMO是利用信息传递接口(MPI)开发的.首先将整个训练数据集分为多个小的子集,然后同时运行多个CPU处理器处理每一个分离的数据集.实验结果表明,当采用多处理器时,在Adult数据集上并行SMO有较大的加速比.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹丽娟	复旦大学金融研究院	3	37	3.0	3.0
2	王小明	复旦大学经济学院	8	40	3.0	6.0