-
题名随机特征上一致中心调节的支持向量机
- 1
-
-
作者
廖士中
卢玮
-
机构
天津大学计算机科学与技术学院
-
出处
《计算机工程与应用》
CSCD
2014年第17期44-48,55,共6页
-
基金
国家自然科学基金(No.61170019)
天津市自然科学基金(No.11JCYBJC00700)
-
文摘
支持向量机(SVM)是最为流行的分类工具,但处理大规模的数据集时,需要大量的内存资源和训练时间,通常在大集群并行环境下才能实现。提出一种新的并行SVM算法,RF-CCASVM,可在有限计算资源上求解大规模SVM。通过随机傅里叶映射,应用低维显示特征映射一致近似高斯核对应的无限维隐式特征映射,从而用线性SVM一致近似高斯核SVM。提出一致中心调节的并行化方法。具体地,将数据集划分成若干子数据集,多个进程并行地在各自的子数据集上独立训练SVM。当各个子数据集上的最优超平面即将求出时,用由各个子集上获得的一致中心解取代当前解,继续在各子集上训练直到一致中心解在各个子集上达到最优。标准数据集的对比实验验证了RF-CCASVM的正确性和有效性。
-
关键词
并行支持向量机
大规模数据集
有限资源
随机傅里叶特征
一致中心调节
-
Keywords
parallel Support Vector Machines (SVM)
large-scale datasets
limited resource
random Fourier features
consensus centre adjustment
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-