-
题名基于Relief和BFO的并行支持向量机算法
被引量：6
- 1
-
-
作者
胡健
王祥太
毛伊敏
刘蔚
-
机构
江西理工大学信息工程学院
赣南科技学院电子信息工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2022年第2期447-455,共9页
-
基金
国家自然科学基金资助项目(41562019)
国家重点研发计划资助项目(2018YFC1504705)
江西省教育厅科技资助项目(GJJ209407,GJJ209405)。
-
文摘
针对大数据环境下并行支持向量机(SVM)算法存在冗余数据敏感、参数选取困难、并行化效率低等问题,提出了一种基于Relief和BFO算法的并行SVM算法RBFO-PSVM。首先,基于互信息和Relief算法设计了一种特征权值计算策略MI-Relief,剔除数据集中的冗余特征,有效地降低了冗余数据对并行SVM分类的干扰;接着,提出了基于MapReduce的MR-HBFO算法,并行选取SVM的最优参数,提高SVM的参数寻优能力;最后,提出核聚类策略KCS,减小参与并行化训练的数据集规模,并提出改进CSVM反馈机制的交叉融合级联式并行支持向量机CFCPSVM,结合MapReduce编程框架并行训练SVM,提高了并行SVM的并行化效率。实验表明,RBFO-PSVM算法对大型数据集的分类效果更佳,更适用于大数据环境。
-
关键词
SVM算法
MapReduce
cfcpsvm模型
MI-Relief策略
MR-HBFO算法
-
Keywords
SVM algorithm
MapReduce
cfcpsvm model
MI-Relief strategy
MR-HBFO algorithm
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
