基于 MapReduce 的层叠分组并行 SVM 算法研究

• 作者: 刘利民 张鹏翔 马志强
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 并行分类算法 支持向量机 MapReduce 大规模数据集处理
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 172-176
• 页数: 5页
• 分类号: TP301
• 字数: 4032字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2015.03.040

摘要

随着训练集规模的不断增大，支持向量机学习成为了密集型计算的过程。针对计算过程中存在占用内存大、寻优速度慢等问题，通过大量实验对分组训练和层叠训练两种并行 SVM算法进行性能分析，给出层叠分组 SVM并行算法，并利用 MapReduce并行框架实现，解决了层叠训练模型效率低的问题。实验结果表明，采用这种学习策略，在保持精度损失较小的情况下，一定程度上减少了训练时间，提高了分类速度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘利民	内蒙古工业大学信息工程学院	59	225	8.0	12.0
2	马志强	内蒙古工业大学信息工程学院	37	171	8.0	10.0
3	张鹏翔	内蒙古工业大学信息工程学院	1	15	1.0	1.0