一种改进的并行处理SVM学习算法

被引：6

作者：

叶菲

罗景青

俞志富

机构：

[1] 解放军电子工程学院

来源：

微电子学与计算机 | 2009年 / 26卷 / 02期

关键词：

支持向量; 循环迭代法; 并行处理; 合并算法;

D O I：

10.19304/j.cnki.issn1000-7180.2009.02.011

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：

支持向量机(SVM)解决小样本、非线性及高维模式识别问题有许多优势,但处理大规模数据集时训练速度缓慢.为此在循环迭代算法的基础上,提出改进的SVM学习算法.该算法将大规模数据集划分为若干个小数据集,然后并行的在各个小数据集上训练SVM,再采用合并算法对SVM进行两两合并,得到最终的SVM.最后通过仿真实验发现,改进的SVM学习算法可以加快训练速度,并具有较高的识别率.

引用

页码：40 / 43

页数：4

共 5 条

[1]

智能数据挖掘与知识发现.[M].焦李成等; 著.西安电子科技大学出版社.2006,

[2]

神经网络原理.[M].(美)SimonHaykin著;叶世伟;史忠植译;.机械工业出版社.2004,

[3] 支持向量机在雷达辐射源信号识别中的应用 [J].