已閱讀1頁，還剩73頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、并行化支持向量機是為了適應(yīng)在海量數(shù)據(jù)中進行大規(guī)模數(shù)據(jù)挖掘的需求而產(chǎn)生的數(shù)據(jù)挖掘技術(shù)。在海量數(shù)據(jù)中進行數(shù)據(jù)挖掘,目前只有兩種相對獨立而且有效的方法:在線學(xué)習(xí)(Online Learning)和并行計算(Parallel Computation)。當前許多在線的算法能不斷地對模型進行更新,由于其算法復(fù)雜度低而被采用,但是這些方法很容易隨著數(shù)據(jù)分布的變化產(chǎn)生概念偏移,也就是說最近一段數(shù)據(jù)的重復(fù)出現(xiàn)可以改變由歷史積累下來的信息甚至顛覆歷史,所以
2、并行的方法在解決這個問題上更具優(yōu)勢,它將整個大的數(shù)據(jù)集作為一個由某個分布抽取得到的整體,不會產(chǎn)生概念偏移。并行計算作為一種分布式計算,它充分利用不同處理單元的計算資源,在同一個時間段內(nèi)進行單個計算節(jié)點所不能處理的海量計算,值得深入研究。
本文在介紹幾種并行化的支持向量機的基礎(chǔ)上提出一種基于序貫最小化(SequentialMinimal Optimization)的并行化算法。序貫最小化是目前實現(xiàn)支持向量方法的一種快速算法,
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于支持向量機與正則化風(fēng)險最小化的目標計數(shù)研究.pdf
- 并行化最小最大模塊化支持向量機及其在專利分類中的應(yīng)用.pdf
- 一種針對稀有類支持向量機的新算法.pdf
- 一種基于邊界調(diào)節(jié)的支持向量機模型.pdf
- 38613.一種基于拉伸力最小化的拉伸分子動力學(xué)方法
- 一種快速的支持向量機算法研究.pdf
- 基于云平臺的最小最大模塊化支持向量機的研究.pdf
- 一種基于支持向量機的直推式WEB挖掘.pdf
- 一種基于支持向量機的人臉檢測方法.pdf
- 基于誤差最小化模型的參數(shù)化方法.pdf
- 結(jié)構(gòu)化最小二乘支持向量機.pdf
- MATLAB集群下的支持向量機并行化應(yīng)用研究.pdf
- 一種基于聚類的支持向量機反問題求解算法.pdf
- 一種基于MapReduce模型的并行化TSP算法研究.pdf
- 半監(jiān)督最小最大模塊化支持向量機研究.pdf
- 基于能量最小化的圖像修復(fù)技術(shù).pdf
- 一種基于支持向量機的垃圾微博識別方法.pdf
- 成本最小化(20190221141110)
- 一種聚類算法的并行化研究.pdf
- 基于隨機子空間的最小最大模塊化支持向量機研究與實現(xiàn).pdf
評論
0/150
提交評論