西安科技大学学报

2017, v.37;No.154(02) 299-304

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

改进的并行SVM回归算法
Impoved parallel SVM regression algorithm

厍向阳;崔文强;

摘要(Abstract):

针对目前SVM回归算法在大样本情况下,学习效率低、精度不高的问题,提出了基于Kmeans聚类的并行SVM回归算法。在Hadoop框架中,先对训练样本行进并行聚类,然后针对聚类后的不同簇,构造相应的SVM回归模型,使用顺次最小优化算法求解各模型参数。预测时,选择与待预测样本距离最近簇的对应SVM回归模型进行预测。实验验证了文中算法的可行性和有效性。

关键词(KeyWords): 支持向量机;K-means聚类;并行计算;顺次最小优化算法

Abstract:

Keywords:

基金项目(Foundation): 陕西省教育厅专项科研计划项目(12JK0787)

作者(Author): 厍向阳;崔文强;

Email:

DOI: 10.13800/j.cnki.xakjdxxb.2017.0223

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享