并行平衡级联支持向量机

摘要：

级联支持向量机CSVM通过对数据集进行分组,基于子数据集并行训练,极大地缩短了训练时间、减少了内存占用,但使用该方法得到的模型与直接训练得到的模型相比存在一定误差.首先,分析了分组训练产生误差的原因,并对理想情况下无误差的分组进行了归纳总结.然后,提出一种平衡级联支持向量机BCSVM算法.该算法平衡了分组后子数据集中的样本比例,确保子数据集中的样本比例与原数据集的相同,且在分组训练时可以通过调整参数值,获取更多的支持向量,降低全局支持向量丢失的概率.同时,对BCSVM算法的有效性进行了论述,阐明了使用该算法得到的模型比使用随机分组CSVM得到的模型有更高的预测精度.最后,使用多个常见数据集进行实验验证,结果表明,采用BCSVM算法进行训练所得到的准确率误差由之前的1%降低到了0.1%左右.

关键词：并行计算、支持向量机、分块、平衡子集、参数缩放

所属期刊栏目：45

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金61462055

在线出版日期：2023-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1170-1177