一种并行结构化支持向量机次梯度投影算法

摘要：

支持向量机的次梯度投影算法是解决支持向量机优化求解问题的一种简单有效的迭代算法.该算法通过梯度下降和投影两个步骤的多轮迭代,找到两类最大间隔的分类面.针对该算法忽略了对寻找分类面同样有指导意义的样本分布信息这一问题,在分类器设计中融入结构信息,并且采用MapReduce并行计算框架,提出了一种并行结构化支持向量机的次梯度投影算法,该算法能够充分利用集群的计算和存储能力,适用于海量数据的优化问题.在NASA的两个软件模块缺陷度量数据集CM1和PC1上的实验结果表明,该算法能够加快收敛速度,提高分类性能,有效地解决海量数据的优化求解问题.

关键词：结构化支持向量机、并行、MapReduce

所属期刊栏目：41

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金61272222,61003116;江苏省自然科学基金重点重大专项BK2011005;江苏省自然科学基金BK2011782;江苏省普通高校研究生科研创新计划项目CXLX12_0415

在线出版日期：2014-03-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：127-130,135