基于多个在线核极限学习机的并行模型训练算法

• 作者: 凌志扬 沈哲钧
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 在线极限学习机 集成学习 MapReduce 并行算法
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 学术研究与应用
• 页码范围: 57-62
• 页数: 6页
• 分类号: TP18
• 字数: 4340字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2163.2019.02.013

摘要

针对传统数据处理技术对多个极限学习机的训练问题,由于串行数据处理方式中,会造成时间复杂度的增加,根据大数据的特征以及数据处理技术,提出基于MapReduce的多个在线核极限学习机模型的并行算法,可使一个MapReduce作业完成多个模型的预测.通过算例测试验证了本文的基于MapReduce集成算法可以有效地提高模型的准确度和实时的训练速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	凌志扬	东华大学计算机科学与技术学院	2	0	0.0	0.0
2	沈哲钧	东华大学计算机科学与技术学院	1	0	0.0	0.0