云環(huán)境下基于極限學習機的XML文檔分類的研究與實現(xiàn).pdf

1、XML文檔分類技術(shù)在XML數(shù)據(jù)管理中具有重要的學術(shù)意義和應用價值。如何對XML數(shù)據(jù)實現(xiàn)基于語義信息和結(jié)構(gòu)信息的快速分類學習是當前熱門的研究方向之一。此外，隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，基于MapReduce的云計算技術(shù)以其強大的并行計算能力，成為海量數(shù)據(jù)處理中最普及的計算技術(shù)。
　　極限學習機（Extreme Learning Machine，ELM）在分類問題上具有極快的學習速度和好的泛化性能，并且已經(jīng)被證明極限學習機與支持向量機在優(yōu)化

2、問題的角度上具有一致的優(yōu)化目標。極限學習機能夠使用支持向量機中的核函數(shù)以簡化支持向量機的計算過程。然而，帶有核函數(shù)的極限學習機的計算過程主要是矩陣計算，隨著訓練樣本規(guī)模的增大，急劇增長的內(nèi)存消耗將影響計算效率。
　　本文針對海量XML數(shù)據(jù)規(guī)模的分類問題，在MapReduce計算模型的基礎(chǔ)上提出了基于核函數(shù)的極限學習機的海量XML數(shù)據(jù)的分布式訓練方案。其中，分布式XML表達模型轉(zhuǎn)換算法(MapReduce based Structu

3、red Link Vector Model，MR-SLVM)能夠快速地將海量XML訓練數(shù)據(jù)轉(zhuǎn)換為能夠作為極限學習機輸入的表達模型;分布式核函數(shù)極限學習機(Distributed Kernelized ELM，DK-ELM)實現(xiàn)了核函數(shù)極限學習機的并行訓練;采用隨機奇異值分解方法(Stochastic Singular Value Decomposition，SSVD)實現(xiàn)分布式矩陣求逆;設(shè)計了兩個DK-ELM的子算法以確保DK-ELM在

4、MapReduce模型上的并行性，包括分布式徑向基核函數(shù)（Distributed Radial Basis Function，D-RBF）和分布式矩陣向量乘法(Distributed Matrix-Vector Multiplication，DMXV)。
　　最后，在真實的分布式集群環(huán)境中，通過大量真實數(shù)據(jù)集的實驗測試了MR-SLVM和DK-ELM的可擴展性和分類訓練性能。實驗結(jié)果表明，本文提出的訓練方案在不影響核函數(shù)極限學習機的