卢玮
- 作品数：3 被引量：0H指数：0
- 供职机构：天津大学计算机科学与技术学院更多>>
- 发文基金：天津市自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 采用MPI和OpenMP编程实现支持向量机方法
- 本发明涉及基于统计学习理论的机器学习方法。为解决SVM的具体实现中大规模分类问题和求解优化问题，控制计算的时间和空间代价，本发明采取的技术方案是，采用MPI和OpenMP编程实现支持向量机方法，根据SVM分类算法思想，用...
- 廖士中卢玮
- 文献传递
- 资源受限的并行支持向量机
- 求解支持向量机需要大量的内存资源和训练时间。现有支持向量机求解算法没有考虑内存资源的实际限制,而实际环境中,计算资源通常是有限的。针对这一问题,提出资源受限的并行支持向量机,可在有限资源下,有效地求解支持向量机。具体工作...
- 卢玮
- 关键词：有限资源
- 文献传递
- 随机特征上一致中心调节的支持向量机
- 2014年
- 支持向量机(SVM)是最为流行的分类工具,但处理大规模的数据集时,需要大量的内存资源和训练时间,通常在大集群并行环境下才能实现。提出一种新的并行SVM算法,RF-CCASVM,可在有限计算资源上求解大规模SVM。通过随机傅里叶映射,应用低维显示特征映射一致近似高斯核对应的无限维隐式特征映射,从而用线性SVM一致近似高斯核SVM。提出一致中心调节的并行化方法。具体地,将数据集划分成若干子数据集,多个进程并行地在各自的子数据集上独立训练SVM。当各个子数据集上的最优超平面即将求出时,用由各个子集上获得的一致中心解取代当前解,继续在各子集上训练直到一致中心解在各个子集上达到最优。标准数据集的对比实验验证了RF-CCASVM的正确性和有效性。
- 廖士中卢玮
- 关键词：大规模数据集有限资源
