微处理机
微處理機
미처리궤
MICROPROCESSORS
2010年
5期
42-45
,共4页
支持向量机%分类%并行算法
支持嚮量機%分類%併行算法
지지향량궤%분류%병행산법
由于支持向量机完整的理论框架和在实际应用中取得的好效果,在机器学习领域受到了广泛的重视.但是支持向量机算法最大的缺点就是在处理大规模训练数据集时需要巨大的内存和很长的训练时间.在这样的背景下,提出了使用并行化技术训练支持向量机.其基本思想是把大的数据集分解成小的子集,每个子集分别用于训练一个支持向量机,然后将多个训练结果有效融合.在现有技术的基础上,提出改进方案,在保证正确分类的情况下使用并行化技术来提高支持向量机的训练速度.实验结果表明,新方案在保证分类精度基本不变的情况下,可以有效减少支持向量机的训练时间.
由于支持嚮量機完整的理論框架和在實際應用中取得的好效果,在機器學習領域受到瞭廣汎的重視.但是支持嚮量機算法最大的缺點就是在處理大規模訓練數據集時需要巨大的內存和很長的訓練時間.在這樣的揹景下,提齣瞭使用併行化技術訓練支持嚮量機.其基本思想是把大的數據集分解成小的子集,每箇子集分彆用于訓練一箇支持嚮量機,然後將多箇訓練結果有效融閤.在現有技術的基礎上,提齣改進方案,在保證正確分類的情況下使用併行化技術來提高支持嚮量機的訓練速度.實驗結果錶明,新方案在保證分類精度基本不變的情況下,可以有效減少支持嚮量機的訓練時間.
유우지지향량궤완정적이론광가화재실제응용중취득적호효과,재궤기학습영역수도료엄범적중시.단시지지향량궤산법최대적결점취시재처리대규모훈련수거집시수요거대적내존화흔장적훈련시간.재저양적배경하,제출료사용병행화기술훈련지지향량궤.기기본사상시파대적수거집분해성소적자집,매개자집분별용우훈련일개지지향량궤,연후장다개훈련결과유효융합.재현유기술적기출상,제출개진방안,재보증정학분류적정황하사용병행화기술래제고지지향량궤적훈련속도.실험결과표명,신방안재보증분류정도기본불변적정황하,가이유효감소지지향량궤적훈련시간.
