现代计算机(专业版)
現代計算機(專業版)
현대계산궤(전업판)
MODERN COMPUTER
2010年
7期
16-19,23
,共5页
SVM%网格计算%分类%大规模数据集
SVM%網格計算%分類%大規模數據集
SVM%망격계산%분류%대규모수거집
针对SVM分类过程中,处理大规模训练样本集遇到的因样本维度高、消耗大量内存导致分类效率低下的问题,提出基于网格环境的计算策略.该策略针对密集型计算问题分别提出按步骤、按功能、按数据进行任务分解的三种解决方案,用户根据SVM样本训练和分类的实际来选择使用哪一种方案.对遥感数据分别在单机环境和网格环境的对比实验表明,能够提高训练和分类速度,在计算环境的层面弥补处理大规模数据对计算性能的高要求.
針對SVM分類過程中,處理大規模訓練樣本集遇到的因樣本維度高、消耗大量內存導緻分類效率低下的問題,提齣基于網格環境的計算策略.該策略針對密集型計算問題分彆提齣按步驟、按功能、按數據進行任務分解的三種解決方案,用戶根據SVM樣本訓練和分類的實際來選擇使用哪一種方案.對遙感數據分彆在單機環境和網格環境的對比實驗錶明,能夠提高訓練和分類速度,在計算環境的層麵瀰補處理大規模數據對計算性能的高要求.
침대SVM분류과정중,처리대규모훈련양본집우도적인양본유도고、소모대량내존도치분류효솔저하적문제,제출기우망격배경적계산책략.해책략침대밀집형계산문제분별제출안보취、안공능、안수거진행임무분해적삼충해결방안,용호근거SVM양본훈련화분류적실제래선택사용나일충방안.대요감수거분별재단궤배경화망격배경적대비실험표명,능구제고훈련화분류속도,재계산배경적층면미보처리대규모수거대계산성능적고요구.