版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、支持向量機(SupportVectorMachine,SVM)算法是數(shù)據(jù)挖掘及機器學(xué)習領(lǐng)域中健壯性和穩(wěn)定性較好的高精度算法,能夠非常成功地處理分類和回歸問題。然而,非線性SVM分類算法是一個計算密集型算法,僅適用于小樣本統(tǒng)計學(xué)習問題。面對當今實際問題中的大數(shù)據(jù)集,本文旨在保持非線性SVM算法分類精度的基礎(chǔ)上提高其處理能力及運行效率。
在對標準SVM算法及MapReduce編程模型進行深入分析的基礎(chǔ)上,本文進行了如下研究工作并取
2、得了一定的成果。
首先,為了提高串行非線性SVM算法的數(shù)據(jù)處理能力及運行效率,提出了基于MapReduce的并行SVM(MR-SVM)算法。通過均勻劃分數(shù)據(jù)集,在各數(shù)據(jù)分片上利用map任務(wù)并行求解支持向量集SVs,而后聯(lián)合各分布式訓(xùn)練結(jié)果利用一個reduce任務(wù)執(zhí)行SVM重訓(xùn)練得出SVM分類器。其中聯(lián)合重訓(xùn)練使得算法能自動收斂。
其次,為了彌補MR-SVM算法中分布式訓(xùn)練帶來的精度損失,提出了基于MapReduce的
3、并行迭代SVM(MR-C-SVM)算法。引入了迭代計算機制,通過反饋循環(huán)訓(xùn)練直至算法收斂于全局最優(yōu)解。迭代過程中利用KKT條件篩選數(shù)據(jù)集的操作減少了重復(fù)計算。
再次,為了滿足在線學(xué)習的需求及克服集群存儲容量無法滿足需求的難題,在MR-SVM算法和MR-C-SVM算法的基礎(chǔ)上,提出了基于MapReduce的并行增量迭代SVM(MR-Ⅱ-SVM)算法。
此外,對MapReduce進行了支持迭代的擴展及針對MR-C-SVM
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于支持向量機的分類算法研究.pdf
- 基于支持向量機的多分類算法研究.pdf
- 基于支持向量機的非線性AVO反演.pdf
- 基于支持向量機回歸的非線性模型辨識研究.pdf
- 支持向量機分類算法的研究.pdf
- 基于支持向量機的文本并行分類算法研究.pdf
- 基于加權(quán)增量的支持向量機分類算法研究.pdf
- 基于支持向量機的非線性預(yù)測控制研究.pdf
- 基于幾何算法的支持向量機分類方法.pdf
- 支持向量機分類算法的若干研究.pdf
- 基于支持向量機的巖土非線性變形行為預(yù)測研究.pdf
- 基于v支持向量機的非線性時間序列預(yù)測.pdf
- 基于分類噪聲檢測的支持向量機算法研究.pdf
- 基于支持向量機的非線性時間序列預(yù)測方法研究
- 基于改進支持向量機的數(shù)據(jù)挖掘分類算法研究.pdf
- 基于加權(quán)度量支持向量機下的分類算法研究.pdf
- 基于支持向量機建模的非線性預(yù)測控制研究.pdf
- 基于支持向量機的非線性時間序列預(yù)測方法研究.pdf
- 基于支持向量機的非線性系統(tǒng)內(nèi)??刂?pdf
- 支持向量機多類分類算法研究.pdf
評論
0/150
提交評論