云環(huán)境下基于極限學(xué)習(xí)機(jī)的XML文檔分類的研究與實(shí)現(xiàn).pdf

1、XML文檔分類技術(shù)在XML數(shù)據(jù)管理中具有重要的學(xué)術(shù)意義和應(yīng)用價(jià)值。如何對XML數(shù)據(jù)實(shí)現(xiàn)基于語義信息和結(jié)構(gòu)信息的快速分類學(xué)習(xí)是當(dāng)前熱門的研究方向之一。此外，隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，基于MapReduce的云計(jì)算技術(shù)以其強(qiáng)大的并行計(jì)算能力，成為海量數(shù)據(jù)處理中最普及的計(jì)算技術(shù)。
　　極限學(xué)習(xí)機(jī)（Extreme Learning Machine，ELM）在分類問題上具有極快的學(xué)習(xí)速度和好的泛化性能，并且已經(jīng)被證明極限學(xué)習(xí)機(jī)與支持向量機(jī)在優(yōu)化

2、問題的角度上具有一致的優(yōu)化目標(biāo)。極限學(xué)習(xí)機(jī)能夠使用支持向量機(jī)中的核函數(shù)以簡化支持向量機(jī)的計(jì)算過程。然而，帶有核函數(shù)的極限學(xué)習(xí)機(jī)的計(jì)算過程主要是矩陣計(jì)算，隨著訓(xùn)練樣本規(guī)模的增大，急劇增長的內(nèi)存消耗將影響計(jì)算效率。
　　本文針對海量XML數(shù)據(jù)規(guī)模的分類問題，在MapReduce計(jì)算模型的基礎(chǔ)上提出了基于核函數(shù)的極限學(xué)習(xí)機(jī)的海量XML數(shù)據(jù)的分布式訓(xùn)練方案。其中，分布式XML表達(dá)模型轉(zhuǎn)換算法(MapReduce based Structu

3、red Link Vector Model，MR-SLVM)能夠快速地將海量XML訓(xùn)練數(shù)據(jù)轉(zhuǎn)換為能夠作為極限學(xué)習(xí)機(jī)輸入的表達(dá)模型;分布式核函數(shù)極限學(xué)習(xí)機(jī)(Distributed Kernelized ELM，DK-ELM)實(shí)現(xiàn)了核函數(shù)極限學(xué)習(xí)機(jī)的并行訓(xùn)練;采用隨機(jī)奇異值分解方法(Stochastic Singular Value Decomposition，SSVD)實(shí)現(xiàn)分布式矩陣求逆;設(shè)計(jì)了兩個(gè)DK-ELM的子算法以確保DK-ELM在

4、MapReduce模型上的并行性，包括分布式徑向基核函數(shù)（Distributed Radial Basis Function，D-RBF）和分布式矩陣向量乘法(Distributed Matrix-Vector Multiplication，DMXV)。
　　最后，在真實(shí)的分布式集群環(huán)境中，通過大量真實(shí)數(shù)據(jù)集的實(shí)驗(yàn)測試了MR-SLVM和DK-ELM的可擴(kuò)展性和分類訓(xùn)練性能。實(shí)驗(yàn)結(jié)果表明，本文提出的訓(xùn)練方案在不影響核函數(shù)極限學(xué)習(xí)機(jī)的