10.3969/j.issn.1002-2279.2010.05.013
支持向量机算法的并行实现技术研究
由于支持向量机完整的理论框架和在实际应用中取得的好效果,在机器学习领域受到了广泛的重视.但是支持向量机算法最大的缺点就是在处理大规模训练数据集时需要巨大的内存和很长的训练时间.在这样的背景下,提出了使用并行化技术训练支持向量机.其基本思想是把大的数据集分解成小的子集,每个子集分别用于训练一个支持向量机,然后将多个训练结果有效融合.在现有技术的基础上,提出改进方案,在保证正确分类的情况下使用并行化技术来提高支持向量机的训练速度.实验结果表明,新方案在保证分类精度基本不变的情况下,可以有效减少支持向量机的训练时间.
支持向量机、分类、并行算法
31
TP311.11(计算技术、计算机技术)
2011-05-16(万方平台首次上网日期,不代表论文的发表时间)
共4页
42-45