并行支持向量机算法及其应用

被引：6

作者：

林继鹏

刘君华

凌振宝

机构：

[1] 西安交通大学电气学院

[2] 吉林大学电子科学与工程学院陕西西安

[3] 陕西西安

[4] 吉林长春

来源：

吉林大学学报(信息科学版) | 2004年 / 05期

关键词：

统计学习; 支持向量机; 并行支持向量机; 泛化能力;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对当前支持向量机计算效率的不足,提出了改进的并行支持向量机技术。该算法能有效使内积运算、向量数据更新、矩阵向量实现并行计算,并且数据之间的通信时间能和向量更新时间重叠,从而提高了计算效率,并能保证泛化能力。数据仿真结果表明,与改进前的算法相比,2500个样本下能节省时间30%左右,样本量增大时,效果更为明显。

引用

页码：453 / 457

页数：5