【摘要】：現(xiàn)有的線性RankSVM已得到較有效的研究,但在訓練大規(guī)模的線性Rank SVM時,過長的訓練時間依然難以讓人接受。通過對當前最先進算法Tree-TRON的分析可知,利用信任區(qū)域的牛頓迭代(trust region Newton method,TRON)去訓練線性Rank SVM模型涉及大量的Hessian-vector內(nèi)積(Hessian-vector product)計算,同時完成Hessian-vector內(nèi)積計算又需計算大量的輔助變量和矩陣運算。為了有效地加速與Hessian-vector內(nèi)積有關的計算,在多核系統(tǒng)下提出了一種高效的并行算法(命名為PRank SVM)用于提高大規(guī)模線性Rank SVM的訓練速度。PRank SVM的特征主要體現(xiàn)為兩個方面:訓練數(shù)據(jù)按不同的查詢劃分為不同的子問題;在多核系統(tǒng)下,利用多核加速輔助變量和相關矩陣的計算。通過實驗分析可知,相較于現(xiàn)有的算法(如Tree-TRON),PRank SVM不僅可以有效地提高訓練速度,而且可以有效地確保預測的準確率。
[Abstract]:The existing linear Rank SVM has been studied effectively, but the long training time is still difficult to accept when training large scale linear Rank SVM. Through the analysis of the most advanced algorithm, Tree-TRON, we can see that the Newton iterative (trust region Newton method (TRON) of trust region is used to train the linear Rank SVM model, which involves a large number of Hessian-vector product calculations. At the same time, the calculation of Hessian-vector inner product needs to calculate a large number of auxiliary variables and matrix operations. In order to efficiently speed up the calculation related to the inner product of the Hessian-vector, In this paper, an efficient parallel algorithm named PRank SVM is proposed to improve the training speed of large scale linear Rank SVM. The features of PRank SVM are as follows: the training data is divided into different sub-problems according to different queries; In multi-core systems, the computation of auxiliary variables and correlation matrices is accelerated by using multi-cores. The experimental results show that compared with the existing algorithms (such as Tree-TRON), PRank SVM can not only effectively improve the training speed, but also effectively ensure the accuracy of prediction.
【作者單位】： 廣東科技學院計算機系;中山大學數(shù)據(jù)科學與計算機學院;華南農(nóng)業(yè)大學數(shù)學與信息學院/軟件學院;
【基金】：國家自然科學基金資助項目(61673157) 廣東省自然科學基金資助項目(2014A030313454)
【分類號】：TP181

【相似文獻】

相關期刊論文 前10條

1 徐超;何炎祥;陳勇;劉健博;吳偉;李清安;;一種多核系統(tǒng)可靠性加強的任務調(diào)度方法[J];電子學報;2013年05期

2 劉磊;;對片上多核系統(tǒng)的系統(tǒng)結構的研究[J];電腦知識與技術;2008年29期

3 劉彩霞;石峰;謝小怡;薛建平;宋紅;;面向嵌入式多核系統(tǒng)的可共享多通道便簽存儲器設計與實現(xiàn)[J];小型微型計算機系統(tǒng);2010年07期

4 劉聰林;陳迎春;;簇型多核系統(tǒng)原型設計與驗證[J];中國集成電路;2011年05期

5 Frank Ko;;渦輪增壓多核系統(tǒng)[J];世界電子元器件;2006年11期

6 蔡德霞;鐘誠;韋興柳;林孔升;;多核系統(tǒng)上任意2序列公共元素的并行查找[J];合肥工業(yè)大學學報(自然科學版);2012年02期

7 謝炯;潘紅芳;程金宏;王文閣;額爾敦;;多核系統(tǒng)性能檢測及調(diào)優(yōu)策略研究[J];電力信息與通信技術;2014年01期

8 虞保忠;張燈;徐曉光;胡寧;;嵌入式多核系統(tǒng)中斷負載均衡研究[J];電子技術;2014年03期

9 胡哲琨;陳杰;;消息傳遞型片上多核系統(tǒng)的設計[J];湖南大學學報(自然科學版);2013年08期

10 李東生;高明倫;;高密度集成與單芯片多核系統(tǒng)及其研究進展[J];半導體技術;2012年02期

相關會議論文 前1條

1 蔡德霞;鐘誠;韋興柳;林孔升;;多核系統(tǒng)上任意兩序列公共元素的并行查找[A];全國第22屆計算機技術與應用學術會議(CACIS·2011)暨全國第3屆安全關鍵技術與應用（SCA·2011）學術會議論文摘要集[C];2011年

相關博士學位論文 前5條

1 黃樂天;片上多核系統(tǒng)能效及可靠性優(yōu)化方法研究[D];電子科技大學;2016年

2 張琦;多核系統(tǒng)中的程序性能優(yōu)化研究[D];中國科學技術大學;2010年

3 傅琛;面向多核系統(tǒng)的高性能硬件事務存儲的優(yōu)化研究[D];哈爾濱工業(yè)大學;2011年

4 劉彩霞;基三片上多核系統(tǒng)TriBA存儲體系關鍵技術研究[D];北京理工大學;2010年

5 劉志強;面向多核的系統(tǒng)級MPI通信優(yōu)化關鍵技術研究[D];國防科學技術大學;2011年

相關碩士學位論文 前10條

1 劉然;多核系統(tǒng)上可伸縮的讀寫同步[D];復旦大學;2014年

2 褚廷斌;基于訪存行為特征的片上多核系統(tǒng)功耗管控研究[D];電子科技大學;2015年

3 吳蘊森;基于NOC的分布式內(nèi)存管理多核系統(tǒng)的設計[D];復旦大學;2014年

4 楊洋;多核系統(tǒng)下吞吐量與延遲敏感的并行流水調(diào)度能耗最小化問題研究[D];東北大學;2013年

5 曹快;異構多核系統(tǒng)的混合精度模型設計與研究[D];合肥工業(yè)大學;2015年

6 李萍萍;異構多核系統(tǒng)調(diào)試技術的研究與實現(xiàn)[D];合肥工業(yè)大學;2015年

7 孫越;異構多核系統(tǒng)中通用可重構單元的優(yōu)化實現(xiàn)[D];合肥工業(yè)大學;2015年

8 佟彤;多核系統(tǒng)的實時任務調(diào)度問題研究[D];沈陽工業(yè)大學;2016年

9 劉聰;基于溫度感知的多核實時系統(tǒng)穩(wěn)定性研究[D];東北大學;2014年

10 費亭;基于分支限界法的多核系統(tǒng)實時多任務映射方法研究[D];廣東工業(yè)大學;2016年

，

本文編號：2134627