云计算环境的并行支持向量机

作     者：柳燕煌 黄立勤 

作者机构：福州大学数学与计算机科学学院福建福州350002 福州大学物理与信息工程学院福建福州350002 

基　　金：国家自然科学基金(10871221) 福建省教育厅科技项目(JA09286) 福州大学人才基金(XRC-0971) 

出 版 物：《南阳理工学院学报》 (Journal of Nanyang Institute of Technology)

年 卷 期：2011年第3卷第2期

页      码：26-29,33页

摘      要：针对基于GPU和MPI并行的支持向量机(SVM)算法不适合于云计算环境,设计了一种基于多级SVM的并行支持向量机模型,实现了云计算环境下的序列最小优化(SMO)的并行算法。该算法通过MapReduce系统将大规模训练数据集划分为若干小训练集,再由这些小训练集开发多级的SVM,最后收集每一个SVM最优超平面附近的样本数据来训练另一个新的SVM。实验结果表明,该算法在时间消耗与分类正确率等综合方面比单机算法和传统并行算法获得更好的效果。

主 题 词：支持向量机 SMO 云计算 MapReduce 

学科分类：08[工学] 0802[工学-机械学] 0835[0835] 080201[080201] 

D　O　I：10.3969/j.issn.1674-5132.2011.02.007

馆 藏 号：203657254...