基于MapReduce的SVM态势评估算法
大小:0.71 MB 人气: 2017-12-26 需要积分:2
支持向量机(SVM)可以解决传统态势评估算法无法兼顾的“维数灾难…‘过学习”及“非线性”等难题,却无法应对大规模样本的问题。为了有效应对态势评估中的大数据处理挑战,提出了一种基于MapReduce的SVM( MR-SVM)态势评估算法。该算法利用MapReduce并行计算模型,同时结合SVM可并行化的特点,通过设计主要的map函数和reduce函数,实现了SVM算法的并行化和主要参数的选取。在搭建的Hadoop平台上对改进算法与原算法进行了比较验证:对于小规模样本,改进算法反而“化简为繁”,不比原算法效率高;但在大规模样本的处理上,原算法的训练时间随样本规模呈指数型增长,而改进算法的训练时间随样本规模并没有特别明显的增幅,体现出了较好的时间优势。实验结果表明,基于MapReduce改进的SVM很好地弥补了原算法“样本规模”的短板,更适用于大数据环境下的网络态势评估。
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%
下载地址
基于MapReduce的SVM态势评估算法下载
相关电子资料下载
- 基于机器学习的触觉传感器设计 195
- 基于非线性电化学阻抗的燃料电池故障诊断方法 49
- 无人机应用:小麦倒伏区域识别方法科研 89
- 什么叫AI计算?AI计算力是什么? 893
- 机器学习算法总结 机器学习算法是什么 机器学习算法优缺点 358
- 常见的机器学习算法及其应用场景 257
- 什么是视觉角度的异常检测 用于异常检测的技术有哪些 它在哪里使用 427
- 一种简化海洋微塑料采样和识别过程的新方法 389
- 深度学习在语音增强中的应用 358
- 支持向量机算法 194