分布式環(huán)境下的支持向量數(shù)據(jù)描述外殼算法.pdf

1、對分布式數(shù)據(jù)流的分析與挖掘正與日俱增地在眾多領(lǐng)域變得十分重要,如網(wǎng)絡(luò)流分析和金融交易分析等。在分布式環(huán)境中,將所有數(shù)據(jù)都傳輸?shù)揭粋€節(jié)點進(jìn)行處理是不現(xiàn)實的;更加合理的方法是各個局部節(jié)點從數(shù)據(jù)中提取的最具代表性的精華部分,進(jìn)而基于這些精華部分整合學(xué)習(xí)成為全局模型。
　　 本文分析了支持向量機(SVM)在分布式環(huán)境下進(jìn)行模型表示和集成的利弊,支持向量的核心作用及其在模型集成時帶來的問題和風(fēng)險,以及在不同分布式結(jié)構(gòu)下具體的實現(xiàn)方法。針對

2、分布式環(huán)境下數(shù)據(jù)分析模型集成的問題和特點,基于支持向量機理論和支持向量數(shù)據(jù)描述(SVDD)算法,本文提出了一種基于支持向量機理論的支持向量數(shù)據(jù)描述外殼算法(SVDDS),構(gòu)造的外殼根據(jù)數(shù)據(jù)的分布形態(tài),僅包含支持向量以及向內(nèi)部延伸一定厚度的區(qū)域,實現(xiàn)了無需修改支持向量機算法即可適用于分布式環(huán)境下的全局模型。
　　 本算法在描述數(shù)據(jù)的外圍輪廓的同時,通過控制系統(tǒng)的參數(shù),保留輪廓以內(nèi)的潛在支持向量,去除對未來的模型集成沒有影響的數(shù)據(jù),