改进的并行SVM回归算法

发布时间：2019-05-11 10:29

【摘要】：针对目前SVM回归算法在大样本情况下,学习效率低、精度不高的问题,提出了基于Kmeans聚类的并行SVM回归算法。在Hadoop框架中,先对训练样本行进并行聚类,然后针对聚类后的不同簇,构造相应的SVM回归模型,使用顺次最小优化算法求解各模型参数。预测时,选择与待预测样本距离最近簇的对应SVM回归模型进行预测。实验验证了文中算法的可行性和有效性。
[Abstract]:In order to solve the problems of low learning efficiency and low accuracy of SVM regression algorithm in the case of large samples, a parallel SVM regression algorithm based on Kmeans clustering is proposed. In the Hadoop framework, the training samples are grouped in parallel, and then the corresponding SVM regression model is constructed according to the different clusters after clustering, and the sequential minimum optimization algorithm is used to solve the parameters of each model. In the prediction, the corresponding SVM regression model is selected to predict the nearest cluster to be predicted. The feasibility and effectiveness of the proposed algorithm are verified by experiments.
【作者单位】： 西安科技大学计算机科学与技术学院;
【基金】：陕西省教育厅专项科研计划项目(12JK0787)
【分类号】：TP181

【参考文献】

相关期刊论文 前2条

1 赵庆;;基于Hadoop平台下的Canopy-Kmeans高效算法[J];电子科技;2014年02期

2 陈丽;陈静;高新涛;王来生;;基于支持向量机与反K近邻的分类算法研究[J];计算机工程与应用;2010年24期

相关硕士学位论文 前1条

1 郭欣欣;基于分布式计算的SVM算法优化[D];西安电子科技大学;2014年

【共引文献】

相关期刊论文 前10条

1 张友海;李锋刚;;Kmeans算法的Spark实现及优化[J];西安文理学院学报(自然科学版);2017年03期

2 李海威;林珠;黄皓璇;郑伟鸿;;面向科技资源需求的推荐方法研究[J];现代计算机(专业版);2017年11期

3 厍向阳;崔文强;;改进的并行SVM回归算法[J];西安科技大学学报;2017年02期

4 张友海;李锋刚;;基于MapReduce的Canopy-Kmeans算法的并行化[J];辽宁科技学院学报;2017年01期

5 李晓瑜;俞丽颖;雷航;唐雪飞;;一种K-means改进算法的并行化实现与应用[J];电子科技大学学报;2017年01期

6 刘宝龙;苏金;;双MapReduce改进的Canopy-Kmeans算法[J];西安工业大学学报;2016年09期

7 吴娟;;基于图像特征和GA-SVM的烤烟烘烤阶段识别研究[J];西南师范大学学报(自然科学版);2016年09期

8 李兰英;董义明;孔银;周秋丽;;改进K-means算法的MapReduce并行化研究[J];哈尔滨理工大学学报;2016年01期

9 陈云;杨晓雪;石松;;基于RS-SVR的企业信用评分模型[J];计算机应用研究;2016年11期

10 孟海东;任敬佩;;基于云计算平台的聚类算法[J];计算机工程与设计;2015年11期

相关硕士学位论文 前3条

1 熊定鸿;Hadoop平台下的分布式SVM算法及其应用研究[D];西南交通大学;2016年

2 陈浩;机器学习在6K12柴油机SCR在线诊断系统中的应用[D];吉林大学;2015年

3 张臻;基于Hadoop的并行优化方法及其在人脸识别中应用研究[D];电子科技大学;2015年

【二级参考文献】

相关期刊论文 前8条

1 陈光平;王文鹏;黄俊;;一种改进初始聚类中心选择的K-means算法[J];小型微型计算机系统;2012年06期

2 汪中;刘贵全;陈恩红;;一种优化初始中心点的K-means算法[J];模式识别与人工智能;2009年02期

3 赖玉霞;刘建平;;K-means算法的初始聚类中心的优化[J];计算机工程与应用;2008年10期

4 袁方;周志勇;宋鑫;;初始聚类中心优化的k-means算法[J];计算机工程;2007年03期

5 业宁;王迪;窦立君;;信息熵与支持向量的关系[J];广西师范大学学报(自然科学版);2006年04期

6 施建宇;潘泉;张绍武;邵壮超;姜涛;;基于多特征融合的蛋白质折叠子预测[J];北京生物医学工程;2006年05期

7 张玉芳,毛嘉莉,熊忠阳;一种改进的K-means算法[J];计算机应用;2003年08期

8 李蓉 ,叶世伟 ,史忠植;SVM-KNN分类器——一种提高SVM分类精度的新方法[J];电子学报;2002年05期

相关硕士学位论文 前1条

1 张奕武;基于Hadoop分布式平台的SVM算法优化及应用[D];中山大学;2012年

【相似文献】

相关期刊论文 前10条

1 赵旦峰;许聪;张杨;;基于固定半径包围球的核向量回归算法[J];系统工程与电子技术;2009年12期

2 孙德山;赵君;高懫葵;郑平;刘小菲;;基于一类分类的线性规划支持向量回归算法[J];计算机科学;2014年04期

3 何海江;何文德;刘华富;;集成最近邻规则的半监督顺序回归算法[J];计算机应用;2010年04期

4 张倩;李明;王雪松;;基于密度分布的半监督回归算法研究[J];工矿自动化;2012年03期

5 钟美霞;邢延;;产品能耗规律性提取的平稳化自回归算法[J];电脑编程技巧与维护;2012年22期

6 王浩亮;王丽莉;;基于成本代价的分布式逻辑回归算法在煤炭系统中的研究与应用[J];煤炭技术;2013年08期

7 孙德山;郭昶;徐婷;;基于一类分类的非线性回归算法[J];计算机工程与科学;2012年07期

8 罗泽举;朱思铭;;新型ε-不敏感损失函数支持向量诱导回归算法及售后服务数据模型预测系统[J];计算机科学;2005年08期

9 孙德山,吴今培,侯振挺,肖健华;单参数支持向量回归算法[J];系统工程学报;2005年01期

10 涂建平;蔡佳;;基于光滑化方法的支持向量回归算法[J];湖北大学学报(自然科学版);2006年01期

相关会议论文 前1条

1 赵英刚;刘仰光;何钦铭;;一种区间型支持向量回归算法及其在网络信息挖掘中的应用[A];第25届中国控制会议论文集（中册）[C];2006年

相关博士学位论文 前1条

1 郑逢德;支撑向量回归算法及其应用研究[D];北京工业大学;2012年

相关硕士学位论文 前9条

1 董亚东;面向不平衡分类的逻辑回归算法[D];郑州大学;2015年

2 高采葵;基于一类分类的线性规划支持向量回归算法[D];辽宁师范大学;2015年

3 沈伟;几种逐步变量选择算法的探索与推广[D];山东大学;2016年

4 刘子阳;支持向量回归算法及应用研究[D];大连理工大学;2007年

5 张际雄;正则化回归算法学习速度的一种估计[D];杭州师范大学;2011年

6 方波;基于回归算法的测色仪器研究[D];华中科技大学;2006年

7 邵帅;基于CUDA的符号回归算法并行设计与实现[D];西安电子科技大学;2012年

8 周骥;在线学习及其在智能交通与金融工程中的应用[D];复旦大学;2011年

9 吴金花;加权支持向量回归算法研究[D];辽宁师范大学;2009年

，

本文编号：2474418