發(fā)布時間：2019-05-11 10:29

【摘要】：針對目前SVM回歸算法在大樣本情況下,學習效率低、精度不高的問題,提出了基于Kmeans聚類的并行SVM回歸算法。在Hadoop框架中,先對訓練樣本行進并行聚類,然后針對聚類后的不同簇,構造相應的SVM回歸模型,使用順次最小優(yōu)化算法求解各模型參數(shù)。預測時,選擇與待預測樣本距離最近簇的對應SVM回歸模型進行預測。實驗驗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】： 西安科技大學計算機科學與技術學院;
【基金】：陜西省教育廳專項科研計劃項目(12JK0787)
【分類號】：TP181

【參考文獻】

相關期刊論文 前2條

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

2 陳麗;陳靜;高新濤;王來生;;基于支持向量機與反K近鄰的分類算法研究[J];計算機工程與應用;2010年24期

相關碩士學位論文 前1條

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

【共引文獻】

相關期刊論文 前10條

1 張友海;李鋒剛;;Kmeans算法的Spark實現(xiàn)及優(yōu)化[J];西安文理學院學報(自然科學版);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)代計算機(專業(yè)版);2017年11期

3 厙向陽;崔文強;;改進的并行SVM回歸算法[J];西安科技大學學報;2017年02期

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

5 李曉瑜;俞麗穎;雷航;唐雪飛;;一種K-means改進算法的并行化實現(xiàn)與應用[J];電子科技大學學報;2017年01期

6 劉寶龍;蘇金;;雙MapReduce改進的Canopy-Kmeans算法[J];西安工業(yè)大學學報;2016年09期

7 吳娟;;基于圖像特征和GA-SVM的烤煙烘烤階段識別研究[J];西南師范大學學報(自然科學版);2016年09期

8 李蘭英;董義明;孔銀;周秋麗;;改進K-means算法的MapReduce并行化研究[J];哈爾濱理工大學學報;2016年01期

9 陳云;楊曉雪;石松;;基于RS-SVR的企業(yè)信用評分模型[J];計算機應用研究;2016年11期

10 孟海東;任敬佩;;基于云計算平臺的聚類算法[J];計算機工程與設計;2015年11期

相關碩士學位論文 前3條

1 熊定鴻;Hadoop平臺下的分布式SVM算法及其應用研究[D];西南交通大學;2016年

2 陳浩;機器學習在6K12柴油機SCR在線診斷系統(tǒng)中的應用[D];吉林大學;2015年

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

【二級參考文獻】

相關期刊論文 前8條

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

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

3 賴玉霞;劉建平;;K-means算法的初始聚類中心的優(yōu)化[J];計算機工程與應用;2008年10期

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

5 業(yè)寧;王迪;竇立君;;信息熵與支持向量的關系[J];廣西師范大學學報(自然科學版);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)折疊子預測[J];北京生物醫(yī)學工程;2006年05期

7 張玉芳,毛嘉莉,熊忠陽;一種改進的K-means算法[J];計算機應用;2003年08期

8 李蓉 ,葉世偉 ,史忠植;SVM-KNN分類器——一種提高SVM分類精度的新方法[J];電子學報;2002年05期

相關碩士學位論文 前1條

1 張奕武;基于Hadoop分布式平臺的SVM算法優(yōu)化及應用[D];中山大學;2012年

【相似文獻】

相關期刊論文 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;2009年12期

2 孫德山;趙君;高懫葵;鄭平;劉小菲;;基于一類分類的線性規(guī)劃支持向量回歸算法[J];計算機科學;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];計算機應用;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;2012年22期

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

7 孫德山;郭昶;徐婷;;基于一類分類的非線性回歸算法[J];計算機工程與科學;2012年07期

8 羅澤舉;朱思銘;;新型ε-不敏感損失函數(shù)支持向量誘導回歸算法及售后服務數(shù)據(jù)模型預測系統(tǒng)[J];計算機科學;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)工程學報;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];湖北大學學報(自然科學版);2006年01期

相關會議論文 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)絡信息挖掘中的應用[A];第25屆中國控制會議論文集（中冊）[C];2006年

相關博士學位論文 前1條

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

相關碩士學位論文 前9條

1 董亞東;面向不平衡分類的邏輯回歸算法[D];鄭州大學;2015年

2 高采葵;基于一類分類的線性規(guī)劃支持向量回歸算法[D];遼寧師范大學;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;2016年

4 劉子陽;支持向量回歸算法及應用研究[D];大連理工大學;2007年

5 張際雄;正則化回歸算法學習速度的一種估計[D];杭州師范大學;2011年

6 方波;基于回歸算法的測色儀器研究[D];華中科技大學;2006年

7 邵帥;基于CUDA的符號回歸算法并行設計與實現(xiàn)[D];西安電子科技大學;2012年

8 周驥;在線學習及其在智能交通與金融工程中的應用[D];復旦大學;2011年

9 吳金花;加權支持向量回歸算法研究[D];遼寧師范大學;2009年

，

本文編號：2474418