一种改进的并行处理SVM学习算法

• 作者: 俞志富 叶菲 罗景青
• 来源期刊: 微电子学与计算机
• 关键词: 支持向量 循环迭代法 并行处理 合并算法
• 年，卷（期）: 2009,（2）
• 页码范围: 40-43
• 页数: 4页
• 分类号: TN957.51
• 语种: 中文

摘要

支持向量机(SVM)解决小样本、非线性及高维模式识别问题有许多优势,但处理大规模数据集时训练速度缓慢.为此在循环迭代算法的基础上,提出改进的SVM学习算法.该算法将大规模数据集划分为若干个小数据集,然后并行的在各个小数据集上训练SVM,再采用合并算法对SVM进行两两合并,得到最终的SVM.最后通过仿真实验发现,改进的SVM学习算法可以加快训练速度,并具有较高的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗景青		87	434	10.0	16.0
2	俞志富		9	77	4.0	8.0
3	叶菲		13	102	6.0	10.0