文档介绍：导师躲乏蚕学位论文作者签名:裴岱学位论文作者签名:浓皆学位论文版权使用授权书独创性声明重麽邮电太堂重麽由缣本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。签字日期:击·甓嘣露嗳重迭邮电太堂有关保留、使用学位论文的规定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位C艿难宦畚脑诮饷芎笫视帽臼谌ㄊ沙似年厂月莎日签字日期:乒研晟律本学位论文作者完全了解论文。签字日期:
摘要支持向量机是在统计学理论基础上发展起来的一种新型学****算法,已在机器学****模式识别等领域取得了较好的应用效果,然而随着训练数据集规模的不断增大,支持向量机也表现出学****效率低下等缺点。针对这一地适应数据的动态特性,并行学****能加快对大规模数据集的学****速度。但是,对同时兼具规模大、动态增长的大数据对象而言,这两种算法仍然面临学****速度较慢的问题。本文在增量学****和并行学****的基础上,结合平台处理大数据的优势,对大数据下支持向量机方法进行了深入研究,具体内容如下:岢鲆恢只贐技术的并行增量式八惴˙算法一方面将增量学****过程并行化执行,提高其学****速度,另一方面尽量增加各子分类器的分类信息来提高其学****精度。算法首先对训练数据并行学****得到多个子分类器,增量学****时用增量集并行地更新所有子分类器,保证每个子分类器都能够获得增量集中包含的新分类信息,更新方法为分别从增量集和原训练数据中寻找潜在支持向量,与已有的支持向量集合并在一起进行重新训练,尽量保证分类信息不丢失。算法基于架实现,仿真实验结果表明,算法在有效保证学****精度的前提下,减少了计算内存开销,降低了学****次数,提高了学****速度。岢鲆恢只贏际醯牟⑿性隽渴絊学****算法K惴ǖ脑隽垦坝氩⑿醒敖锥味纪ü嗤难肮痰玫酱权重的分类器。增量学****时,先对增量集学****得到新的分类器,将其结果高的分类器作为增量学****的结果;为补偿未进行分类器更新带来的分类信息损失,算法采用技术提升单个子分类器的性能。虽然增加了迭代过程,需要一定的时间开销,但是由于算法不需要更新分类器,其综合学****速度得到了提高。仿真实验结果表明,该算法有较好的增量学疭架构,能够运行本文所提出的两种算法,并具有良好的可扩展性。关键词:支持向量机,珹琀⑿性隽垦问题,人们分别提出了增量学****和并行学****的解决方法。增量学****能较好与已有分类器进行比较,从而淘汰部分权重较低的分类器,仅保留权重较****能力,显著提高了学****速度。杓撇⑹迪至艘桓龌贖暮A渴萃诰蛳低场8孟低巢捎
·煤冢篹诼詐慧茗鼍竺三嚣茹点⋯⋯。后萌唬溢‘:淼骵產沁鬻一黼三她。⋯簄铡呲,叫..#海海海浩猉二憾骸璭.。飂坤蒜:。‘。。:乏篇淼。,篹—海篽‘:’,H齨甧‘竺,’,ⅲ瑃它喝齬;.簊篿三::二:二!骸皐, 。痭骸!罚籲譬產琣,琹;:。海弧憾#.。:三。忑.。:齡。畇。琣二。Ⅲ骸甧.。;,6:胁冀嘣蛔╝‰“趖韔。。,琾·⋯·琹瑂’#琽。,;。。。⋯—甶—琱痥。.。。,爿甴琻,,。. ..,。舎,.甶甌.。。。·。猚··‘。,,·ⅰⅲ.。. ..‘吕稀ぁ一..
甒,甌珺,,,瓵,.,.疭瓼篠琽
目录第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯..引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。。⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯研究背景和意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...裳坝隨⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯并行增量算法的主要困难⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第二章相关概念与理论基础⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.支持向量机⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.С窒蛄炕泶蠊婺J菔钡幕痉椒ā的分布式文件系统⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..的⑿斜喑炭蚣堋本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一⋯⋯⋯⋯⋯⋯第三章基于际醯牟⑿性隽渴街С窒蛄炕八惴ā摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..隽渴絊⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...⑿蠸⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...⑿性隽渴絊⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本文的组织结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯