基于MapReduce的支持向量机态势评估算法

• 作者: 夏靖波 杨娟 陈珍 韦泽鲲
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 支持向量机 态势评估 MapReduce Hadoop 并行化
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 先进计算
• 页码范围: 133-137
• 页数: 5页
• 分类号: TP393|TP18
• 字数: 4449字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2016.01.0133

摘要

支持向量机(SVM)可以解决传统态势评估算法无法兼顾的“维数灾难”“过学习”及“非线性”等难题,却无法应对大规模样本的问题.为了有效应对态势评估中的大数据处理挑战,提出了一种基于MapReduce的SVM(MR-SVM)态势评估算法.该算法利用MapReduce并行计算模型,同时结合SVM可并行化的特点,通过设计主要的map函数和reduce函数,实现了SVM算法的并行化和主要参数的选取.在搭建的Hadoop平台上对改进算法与原算法进行了比较验证:对于小规模样本,改进算法反而“化简为繁”,不比原算法效率高;但在大规模样本的处理上,原算法的训练时间随样本规模呈指数型增长,而改进算法的训练时间随样本规模并没有特别明显的增幅,体现出了较好的时间优势.实验结果表明,基于MapReduce改进的SVM很好地弥补了原算法“样本规模”的短板,更适用于大数据环境下的网络态势评估.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏靖波	空军工程大学信息与导航学院	170	1180	17.0	26.0
2	陈珍	空军工程大学信息与导航学院	9	162	4.0	9.0
3	韦泽鲲	空军工程大学信息与导航学院	5	118	4.0	5.0