| 一种并行结构化支持向量机次梯度投影算法 |
| |
| 引用本文： | 郭丽娜,杨明,涂金金. 一种并行结构化支持向量机次梯度投影算法[J]. 计算机科学, 2014, 41(2): 127-130,135 |
| |
| 作者姓名： | 郭丽娜 杨明 涂金金 |
| |
| 作者单位： | 南京师范大学计算机科学与技术学院 南京210046;南京师范大学计算机科学与技术学院 南京210046;南京师范大学计算机科学与技术学院 南京210046 |
| |
| 基金项目： | 本文受国家自然科学基金(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)资助 |
| |
| 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 |
| 收稿时间： | 2013-05-20 |
| 修稿时间： | 2013-08-02 |
Parallel Primal Estimated Sub-GrAdient Solver for Structural SVM |
| |
| GUO Li-n,YANG Ming and TU Jin-jin. Parallel Primal Estimated Sub-GrAdient Solver for Structural SVM[J]. Computer Science, 2014, 41(2): 127-130,135 |
| |
| Authors: | GUO Li-n YANG Ming TU Jin-jin |
| |
| Affiliation: | School of Computer Science and Technology,Nanjing Normal University,Nanjing 210046,China;School of Computer Science and Technology,Nanjing Normal University,Nanjing 210046,China;School of Computer Science and Technology,Nanjing Normal University,Nanjing 210046,China |
| |
| Abstract: | |
| |
| Keywords: | Structural support vector machine Parallel MapReduce |
| 本文献已被 CNKI 等数据库收录！ |
|
点击此处可从《计算机科学》下载全文 |
|
