基于Hadoop平台的分布式SVM参数寻优
【出 处】:
【作 者】:
吴云蔚
宁芊
四川大学电子信息学院
四川成都610065
【摘 要】参数的选择对算法分类与预测的正确率有直接影响。在参数选择中全局网格搜索有着计算可靠、简单、优化效果明显的优势,适合应用于可靠性要求高的工程运算,如在复杂系统的故障诊断中对故障模式识别算法进行参数寻优等。但是,全局网格搜索在寻优过程中耗时过长,仍然是一个制约其使用的问题,尤其对于实时性要求较高的系统。以支持向量机的参数全局寻优问题为例,针对网格搜索寻优时间长的缺点,利用Hadoop平台进行分布式参数寻优,借助HDFS将参数自动划分到计算节点上,并运用MapReduce计算框架建立分布式参数寻优模型,完成模型训练预测及参数优化。实验结果表明,在不降低算法性能的前提下提高了寻优效率。
相关热词搜索: Hadoop MapReduce 支持向量机 网格搜索 参数寻优 分布式计算
上一篇:《计算机工程与科学》征文通知
下一篇:基于改进型统一调度算法改善任务集的可调度性