基于MapReduce的SVM分类算法研究

• 作者: 戴新华 林巧民 秦军 童毅
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: MapReduce SVM分类算法 遗传算法 云计算
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 87-91
• 页数: 5页
• 分类号: TP301.6
• 字数: 3405字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2015.06.019

摘要

云计算环境中，传统的基于MapReduce的SVM分类算法对数据集的训练是将各子节点训练后得到的支持向量进行合并，得到的分类器分类效率和准确率不理想。为此，文中提出了一种改进的训练算法，在各节点上运用遗传算法来寻找子数据集的最优核函数及参数，用得到的参数组合对子数据集进行训练得到支持向量，合并每个节点训练后的支持向量为全局支持向量，然后在各个节点上将子集与全局支持向量合并作为新的训练数据集。重复这四个步骤，直到全局支持向量不再变化时，则收敛到最优分类模型。最后，经开源云计算平台Hadoop实验验证，该算法的分类正确率比传统的分类算法有了明显提高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦军	南京邮电大学教育科学与技术学院	91	805	14.0	24.0
2	林巧民	南京邮电大学教育科学与技术学院	30	200	8.0	13.0
3	童毅	南京邮电大学计算机学院	2	11	2.0	2.0
4	戴新华	南京邮电大学计算机学院	2	11	2.0	2.0