一种并行结构化支持向量机次梯度投影算法

• 作者: 杨明 涂金金 郭丽娜
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 结构化支持向量机 并行 MapReduce
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: CCML 2013
• 页码范围: 127-130,135
• 页数: 5页
• 分类号: TP181
• 字数: 4816字
• 语种: 中文

摘要

支持向量机的次梯度投影算法是解决支持向量机优化求解问题的一种简单有效的迭代算法.该算法通过梯度下降和投影两个步骤的多轮迭代,找到两类最大间隔的分类面.针对该算法忽略了对寻找分类面同样有指导意义的样本分布信息这一问题,在分类器设计中融入结构信息,并且采用MapReduce并行计算框架,提出了一种并行结构化支持向量机的次梯度投影算法,该算法能够充分利用集群的计算和存储能力,适用于海量数据的优化问题.在NASA的两个软件模块缺陷度量数据集CM1和PC1上的实验结果表明,该算法能够加快收敛速度,提高分类性能,有效地解决海量数据的优化求解问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨明	南京师范大学计算机科学与技术学院	58	1074	15.0	32.0
2	郭丽娜	南京师范大学计算机科学与技术学院	5	22	3.0	4.0
3	涂金金	南京师范大学计算机科学与技术学院	4	19	2.0	4.0