一種新的基于序貫最小化的并行化支持向量化機.pdf

1、并行化支持向量機是為了適應在海量數據中進行大規(guī)模數據挖掘的需求而產生的數據挖掘技術。在海量數據中進行數據挖掘,目前只有兩種相對獨立而且有效的方法:在線學習(Online Learning)和并行計算(Parallel Computation)。當前許多在線的算法能不斷地對模型進行更新,由于其算法復雜度低而被采用,但是這些方法很容易隨著數據分布的變化產生概念偏移,也就是說最近一段數據的重復出現可以改變由歷史積累下來的信息甚至顛覆歷史,所以

2、并行的方法在解決這個問題上更具優(yōu)勢,它將整個大的數據集作為一個由某個分布抽取得到的整體,不會產生概念偏移。并行計算作為一種分布式計算,它充分利用不同處理單元的計算資源,在同一個時間段內進行單個計算節(jié)點所不能處理的海量計算,值得深入研究。
　　 本文在介紹幾種并行化的支持向量機的基礎上提出一種基于序貫最小化(SequentialMinimal Optimization)的并行化算法。序貫最小化是目前實現支持向量方法的一種快速算法,