聚簇的分布式SVM算法优化
王瑞
向新
肖冰松
1.空军工程大学航空工程学院,西安,7100382.空军工程大学航空工程学院,西安,7100383.空军工程大学航空工程学院,西安,710038
摘要：针对分层并行SVM算法采用完全随机划分方法生成的子样本集与原始样本集的分布情况存在偏差的问题,提出分布式k-means聚簇的导向随机划分方法.该方法并非将上一层的训练结果直接作为下一层的输入,而是使用k-means聚簇算法聚成下一层节点数N的不同簇,然后把每一簇样本再随机划分成N份,从每一簇中随机取出一份重新组合成下一层训练的N个子样本集,进而保证子样本集与原始样本集的分布情况具有相似性.结果表明,该方法既能有效提高学习能力,又能减少多次训练模型的抖动.
关键词：支持向量机导向随机划分聚簇分布式k-means并行计算模型抖动
分类号：TP391(计算技术、计算机技术)
资助基金：陕西省自然科学基础研究计划(DF011000306)
论文发表日期：2018-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 86-92 )
英文信息