一种新的基于序贯最小化的并行化支持向量化机

《一种新的基于序贯最小化的并行化支持向量化机》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中山大学硕士学位论文一种新的基于序贯最小化的并行化支持向量机ANovelParallelSupportVectorMachineBaseonSequentialMinimalOptimization指导教师：专业名称：答辩委员会主席(签名)：答辩委员会委员(签名)：算努瓠l莜岛耖二零壹零年十一月二十二日■■■—，一●II-▲—，I’▲■I■■『●‘II▲■r一—●■■■■●■■_奄蓝暂鬣霸警，●●正量紫“F．}*鬈i《整嚣■-荔论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注

2、明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：盔丝墨＆日期：丝fQ绎12目学位论文使用授权声明本人完全了解中山大学有关保留、使用学位论文的规定，即：学校有权保留学位论文并向国家主管部门或其指定机构送交论文的电'子版和纸质版，有权将学位论文用于非赢利目的的少量复制并允许论文进入学校图书馆、院系资料室被查阅，有权将学位论文的内容编入有关数据库进行检索，可以采用复印、缩印或其他方法保存学位论文

3、。学位论文作者签名：篱(豸堡铩1日期：伽／o年I瑚日导师签名：裔稍日期蚶。年f瑚一种新的基于序贯最小化的并行化支持向量机摘要论文题目：专业：硕士生：指导教师：一种新的基于序贯最小化的并行支持向量机计算机应用技术袁毅锐任江涛副教授摘要并行化支持向量机是为了适应在海量数据中进行大规模数据挖掘的需求而产生的数据挖掘技术。在海量数据中进行数据挖掘，目前只有两种相对独立而且有效的方法：在线学习(OnlineLearning)和并行计算(ParallelComputation)。当前许多在线的算法能不断地对模型进行更新，由于其算法复杂度低而被采用，

4、但是这些方法很容易随着数据分布的变化产生概念偏移，也就是说最近一段数据的重复出现可以改变由历史积累下来的信息甚至颠覆历史，所以并行的方法在解决这个问题上更具优势，它将整个大的数据集作为一个由某个分布抽取得到的整体，不会产生概念偏移。并行计算作为一种分布式计算，它充分利用不同处理单元的计算资源，在同一个时间段内进行单个计算节点所不能处理的海量计算，值得深入研究。本文在介绍几种并行化的支持向量机的基础上提出一种基于序贯最小化(SequentialMinimalOptimization)的并行化算法。序贯最小化是目前实现支持向量方法的一种快速

5、算法，也是一种标准算法，它的核心部分可以用来解决分类、回归和一类问题。在充分利用序贯最小化SMO的计算效率的基础上，并行化的SMO(NPSMO)利用多个处理单元解决单个处理单元难以完成的大规模数据训练工作。关键字：支持向量机；序贯最小化；并行算法ANovelParallelSupportVectorMachineBaseonSequentiMMinimalOptimizationTitle：NovelParallelSupportVectorMachineBaseonSequentialMinimalOptimizationMajor：

6、Name：ComputerApplicationTechnologyYiruiYuanSupervisor：AssociateProfessorJiangtaoRenAbstractParallelsupportvectormachineisadataminingtechnologyforknowledgediscoveryinmagnanimitydata．ThereareonlytwowaysfordatamiIliIlginmagnanimitydata：online·learningandparallel-computation

7、．Currently,manyonline-learningcanefficientlyupdatethepredictivemodeloncethelatestdatacomes．Becauseofthelowcomplexity,online-learningispopularforlarge-scaledatamining，butitCannotovercometheconceptdrift，thenativeandmoststubbomproblemforonline—learning．Itmakethemodelremembe

8、rthelatestinformationwellbutforgetthehistoryinformation．Onthispoint，oneparallel-computationalgorithmtak