基于MapReduce和Bagging的并行组合支持向量机

• 作者: 丁宣宣 苏晓丹 郭渊博 黄伟
• 来源期刊: 信息工程大学学报
• 学科: 工学
• 关键词: 支持向量机 MapReduce RHadoop 非线性SVM随机次梯度投影 Bagging
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 信息处理与技术
• 页码范围: 196-202,208
• 页数: 8页
• 分类号: TP391
• 字数: 7052字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0673.2018.02.013

摘要

为提高大规模支持向量机的运算效率,提出一种基于MapReduce和Bagging的并行组合支持向量机训练算法.该算法包括两个MapReduce流程:①分布式并行训练,利用标准SVM算法进行多任务并行的分块训练,保留所有的支持向量,迅速缩减数据集;②集成式并行训练,采用Bagging集成算法的思想,结合随机次梯度SVM算法对剩余的支持向量训练,以提高算法的分类精度.实验结果表明,并行组合支持向量机训练算法在保持较高分类精度的基础上,能提高算法运行效率及数据处理能力,能很好地应用于大规模数据集的SVM训练.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭渊博		41	99	4.0	9.0
5	苏晓丹		2	2	1.0	1.0
7	丁宣宣		3	2	1.0	1.0
11	黄伟		2	2	1.0	1.0