發(fā)布時(shí)間：2019-05-11 10:29

【摘要】：針對(duì)目前SVM回歸算法在大樣本情況下,學(xué)習(xí)效率低、精度不高的問(wèn)題,提出了基于Kmeans聚類(lèi)的并行SVM回歸算法。在Hadoop框架中,先對(duì)訓(xùn)練樣本行進(jìn)并行聚類(lèi),然后針對(duì)聚類(lèi)后的不同簇,構(gòu)造相應(yīng)的SVM回歸模型,使用順次最小優(yōu)化算法求解各模型參數(shù)。預(yù)測(cè)時(shí),選擇與待預(yù)測(cè)樣本距離最近簇的對(duì)應(yīng)SVM回歸模型進(jìn)行預(yù)測(cè)。實(shí)驗(yàn)驗(yàn)證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.
【作者單位】： 西安科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;
【基金】：陜西省教育廳專(zhuān)項(xiàng)科研計(jì)劃項(xiàng)目(12JK0787)
【分類(lèi)號(hào)】：TP181

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 趙慶;;基于Hadoop平臺(tái)下的Canopy-Kmeans高效算法[J];電子科技;2014年02期

2 陳麗;陳靜;高新濤;王來(lái)生;;基于支持向量機(jī)與反K近鄰的分類(lèi)算法研究[J];計(jì)算機(jī)工程與應(yīng)用;2010年24期

相關(guān)碩士學(xué)位論文 前1條

1 郭欣欣;基于分布式計(jì)算的SVM算法優(yōu)化[D];西安電子科技大學(xué);2014年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張友海;李鋒剛;;Kmeans算法的Spark實(shí)現(xiàn)及優(yōu)化[J];西安文理學(xué)院學(xué)報(bào)(自然科學(xué)版);2017年03期

2 李海威;林珠;黃皓璇;鄭偉鴻;;面向科技資源需求的推薦方法研究[J];現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版);2017年11期

3 厙向陽(yáng);崔文強(qiáng);;改進(jìn)的并行SVM回歸算法[J];西安科技大學(xué)學(xué)報(bào);2017年02期

4 張友海;李鋒剛;;基于MapReduce的Canopy-Kmeans算法的并行化[J];遼寧科技學(xué)院學(xué)報(bào);2017年01期

5 李曉瑜;俞麗穎;雷航;唐雪飛;;一種K-means改進(jìn)算法的并行化實(shí)現(xiàn)與應(yīng)用[J];電子科技大學(xué)學(xué)報(bào);2017年01期

6 劉寶龍;蘇金;;雙MapReduce改進(jìn)的Canopy-Kmeans算法[J];西安工業(yè)大學(xué)學(xué)報(bào);2016年09期

7 吳娟;;基于圖像特征和GA-SVM的烤煙烘烤階段識(shí)別研究[J];西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年09期

8 李蘭英;董義明;孔銀;周秋麗;;改進(jìn)K-means算法的MapReduce并行化研究[J];哈爾濱理工大學(xué)學(xué)報(bào);2016年01期

9 陳云;楊曉雪;石松;;基于RS-SVR的企業(yè)信用評(píng)分模型[J];計(jì)算機(jī)應(yīng)用研究;2016年11期

10 孟海東;任敬佩;;基于云計(jì)算平臺(tái)的聚類(lèi)算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2015年11期

相關(guān)碩士學(xué)位論文 前3條

1 熊定鴻;Hadoop平臺(tái)下的分布式SVM算法及其應(yīng)用研究[D];西南交通大學(xué);2016年

2 陳浩;機(jī)器學(xué)習(xí)在6K12柴油機(jī)SCR在線診斷系統(tǒng)中的應(yīng)用[D];吉林大學(xué);2015年

3 張臻;基于Hadoop的并行優(yōu)化方法及其在人臉識(shí)別中應(yīng)用研究[D];電子科技大學(xué);2015年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 陳光平;王文鵬;黃俊;;一種改進(jìn)初始聚類(lèi)中心選擇的K-means算法[J];小型微型計(jì)算機(jī)系統(tǒng);2012年06期

2 汪中;劉貴全;陳恩紅;;一種優(yōu)化初始中心點(diǎn)的K-means算法[J];模式識(shí)別與人工智能;2009年02期

3 賴(lài)玉霞;劉建平;;K-means算法的初始聚類(lèi)中心的優(yōu)化[J];計(jì)算機(jī)工程與應(yīng)用;2008年10期

4 袁方;周志勇;宋鑫;;初始聚類(lèi)中心優(yōu)化的k-means算法[J];計(jì)算機(jī)工程;2007年03期

5 業(yè)寧;王迪;竇立君;;信息熵與支持向量的關(guān)系[J];廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年04期

6 施建宇;潘泉;張紹武;邵壯超;姜濤;;基于多特征融合的蛋白質(zhì)折疊子預(yù)測(cè)[J];北京生物醫(yī)學(xué)工程;2006年05期

7 張玉芳,毛嘉莉,熊忠陽(yáng);一種改進(jìn)的K-means算法[J];計(jì)算機(jī)應(yīng)用;2003年08期

8 李蓉 ,葉世偉 ,史忠植;SVM-KNN分類(lèi)器——一種提高SVM分類(lèi)精度的新方法[J];電子學(xué)報(bào);2002年05期

相關(guān)碩士學(xué)位論文 前1條

1 張奕武;基于Hadoop分布式平臺(tái)的SVM算法優(yōu)化及應(yīng)用[D];中山大學(xué);2012年

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙旦峰;許聰;張楊;;基于固定半徑包圍球的核向量回歸算法[J];系統(tǒng)工程與電子技術(shù);2009年12期

2 孫德山;趙君;高懫葵;鄭平;劉小菲;;基于一類(lèi)分類(lèi)的線性規(guī)劃支持向量回歸算法[J];計(jì)算機(jī)科學(xué);2014年04期

3 何海江;何文德;劉華富;;集成最近鄰規(guī)則的半監(jiān)督順序回歸算法[J];計(jì)算機(jī)應(yīng)用;2010年04期

4 張倩;李明;王雪松;;基于密度分布的半監(jiān)督回歸算法研究[J];工礦自動(dòng)化;2012年03期

5 鐘美霞;邢延;;產(chǎn)品能耗規(guī)律性提取的平穩(wěn)化自回歸算法[J];電腦編程技巧與維護(hù);2012年22期

6 王浩亮;王麗莉;;基于成本代價(jià)的分布式邏輯回歸算法在煤炭系統(tǒng)中的研究與應(yīng)用[J];煤炭技術(shù);2013年08期

7 孫德山;郭昶;徐婷;;基于一類(lèi)分類(lèi)的非線性回歸算法[J];計(jì)算機(jī)工程與科學(xué);2012年07期

8 羅澤舉;朱思銘;;新型ε-不敏感損失函數(shù)支持向量誘導(dǎo)回歸算法及售后服務(wù)數(shù)據(jù)模型預(yù)測(cè)系統(tǒng)[J];計(jì)算機(jī)科學(xué);2005年08期

9 孫德山,吳今培,侯振挺,肖健華;單參數(shù)支持向量回歸算法[J];系統(tǒng)工程學(xué)報(bào);2005年01期

10 涂建平;蔡佳;;基于光滑化方法的支持向量回歸算法[J];湖北大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年01期

相關(guān)會(huì)議論文 前1條

1 趙英剛;劉仰光;何欽銘;;一種區(qū)間型支持向量回歸算法及其在網(wǎng)絡(luò)信息挖掘中的應(yīng)用[A];第25屆中國(guó)控制會(huì)議論文集（中冊(cè)）[C];2006年

相關(guān)博士學(xué)位論文 前1條

1 鄭逢德;支撐向量回歸算法及其應(yīng)用研究[D];北京工業(yè)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前9條

1 董亞?wèn)|;面向不平衡分類(lèi)的邏輯回歸算法[D];鄭州大學(xué);2015年

2 高采葵;基于一類(lèi)分類(lèi)的線性規(guī)劃支持向量回歸算法[D];遼寧師范大學(xué);2015年

3 沈偉;幾種逐步變量選擇算法的探索與推廣[D];山東大學(xué);2016年

4 劉子陽(yáng);支持向量回歸算法及應(yīng)用研究[D];大連理工大學(xué);2007年

5 張際雄;正則化回歸算法學(xué)習(xí)速度的一種估計(jì)[D];杭州師范大學(xué);2011年

6 方波;基于回歸算法的測(cè)色儀器研究[D];華中科技大學(xué);2006年

7 邵帥;基于CUDA的符號(hào)回歸算法并行設(shè)計(jì)與實(shí)現(xiàn)[D];西安電子科技大學(xué);2012年

8 周驥;在線學(xué)習(xí)及其在智能交通與金融工程中的應(yīng)用[D];復(fù)旦大學(xué);2011年

9 吳金花;加權(quán)支持向量回歸算法研究[D];遼寧師范大學(xué);2009年

，

本文編號(hào)：2474418