基于MapReduce的层叠分组并行SVM算法研究

被引：10

作者：

张鹏翔

刘利民

马志强

机构：

[1] 内蒙古工业大学信息工程学院

来源：

计算机应用与软件 | 2015年 / 32卷 / 03期

关键词：

并行分类算法; 支持向量机; MapReduce; 大规模数据集处理;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

随着训练集规模的不断增大,支持向量机学习成为了密集型计算的过程。针对计算过程中存在占用内存大、寻优速度慢等问题,通过大量实验对分组训练和层叠训练两种并行SVM算法进行性能分析,给出层叠分组SVM并行算法,并利用MapReduce并行框架实现,解决了层叠训练模型效率低的问题。实验结果表明,采用这种学习策略,在保持精度损失较小的情况下,一定程度上减少了训练时间,提高了分类速度。

引用

页码：172 / 176

页数：5