支持向量机算法的并行实现技术研究

• 作者: 秦松 贾银山
• 来源期刊: 微处理机
• 学科: 工学
• 关键词: 支持向量机 分类 并行算法
• 年，卷（期）: 2010,（5）
• 所属期刊栏目: 微机网络与通信
• 页码范围: 42-45
• 分类号: TP311.11
• 字数: 3393字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-2279.2010.05.013

摘要

由于支持向量机完整的理论框架和在实际应用中取得的好效果,在机器学习领域受到了广泛的重视.但是支持向量机算法最大的缺点就是在处理大规模训练数据集时需要巨大的内存和很长的训练时间.在这样的背景下,提出了使用并行化技术训练支持向量机.其基本思想是把大的数据集分解成小的子集,每个子集分别用于训练一个支持向量机,然后将多个训练结果有效融合.在现有技术的基础上,提出改进方案,在保证正确分类的情况下使用并行化技术来提高支持向量机的训练速度.实验结果表明,新方案在保证分类精度基本不变的情况下,可以有效减少支持向量机的训练时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾银山	辽宁石油化工大学计算机与通信工程学院	19	225	7.0	14.0
2	秦松	辽宁石油化工大学计算机与通信工程学院	1	2	1.0	1.0