基于MapReduce的最小二乘支持向量机回归模型

被引：4

作者：

代亮 ^{[1
]}

许宏科 ^{[1
]}

陈婷 ^{[2
]}

钱超 ^{[1
]}

梁殿鹏 ^{[3
]}

机构：

[1] 长安大学电子与控制工程学院

[2] 长安大学信息工程学院

[3] IBM

来源：

计算机应用研究 | 2015年 / 32卷 / 04期

基金：

中央高校基本科研业务费专项资金资助; 中国博士后科学基金;

关键词：

最小二乘支持向量机; MapReduce编程模式; 局部多模型方法; 加速比; 可扩展性;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

针对最小二乘支持向量机处理大规模数据集耗时长且受内存限制的特点,将局部多模型方法与MapReduce编程模式相结合,提出一种并行最小二乘支持向量机回归模型。模型由两组MapReduce过程组成,首先按照输入样本集对样本数据进行聚类操作,再对聚类后得到的子类按输出样本集进行二次聚类操作,分别得到局部模型数目和各局部模型综合加权输出计算结果。实验结果表明,并行最小二乘支持向量机回归模型具有较好的加速比和可扩展性。

引用

页码：1060 / 1064

页数：5

共 17 条

[1]

Enabling real-time city sensing with kernel stream oracles and MapReduce[J] . Christian Kaiser,Alexei Pozdnoukhov. &nbspPervasive and Mobile Computing . 2012

[2] 基于人工免疫算法的最小二乘支持向量机参数优化算法 [J].

杨福刚 .

计算机应用研究, 2010, 27 (05) :1702-1704

[3] 基于免疫优化多输出最小二乘支持向量机及其应用 [J].

叶洪涛 ;

罗飞 .

计算机应用研究, 2010, 27 (06) :2065-2067

[4] 回归最小二乘支持向量机的增量和在线式学习算法 [J].

张浩然 ;

汪晓东 .

计算机学报, 2006, (03) :400-406

[5]

Introduction to modern traffic flow theory and control. BORIS S K. . 2009

[6]

Spectral unmixing model based on least squares support vector machine with unmixing residue constraints. WANG Li-guo,LIU Dan-feng,WANG Qun-ming,et al. IEEE Geoscience and Remote Sensing Letters . 2013

[7]

Data imputation using least squares support vector machines in urban arterial streets. Zhang, Yang,Liu, Yuncai. IEEE Signal Processing Letters . 2009

[8]

A Short-term forecasting algorithm for network traffic based on chaos theory and SVM. Liu, Xingwei,Fang, Xuming,Qin, Zhenhua,Ye, Chun,Xie, Miao. Journal of Network Industries . 2011

[9] 基于MapReduce的PageRank算法优化研究 [J].

张永 ;

尹传晔 ;

吴崇正 .

计算机应用研究, 2014, 31 (02) :431-434

[10] 基于MapReduce的加权Voronoi图并行算法设计及应用 [J].

唐多余 ;

曹菡 .

计算机应用研究, 2013, 30 (05) :1410-1412+1418

← 1 2 →