基于MapReduce的SVM態勢評估算法
大?。?/span>0.71 MB 人氣： 2017-12-26 需要積分：2
支持向量機（SVM）可以解決傳統態勢評估算法無法兼顧的“維數災難…‘過學習”及“非線性”等難題，卻無法應對大規模樣本的問題。為了有效應對態勢評估中的大數據處理挑戰，提出了一種基于MapReduce的SVM（ MR-SVM）態勢評估算法。該算法利用MapReduce并行計算模型，同時結合SVM可并行化的特點，通過設計主要的map函數和reduce函數，實現了SVM算法的并行化和主要參數的選取。在搭建的Hadoop平臺上對改進算法與原算法進行了比較驗證：對于小規模樣本，改進算法反而“化簡為繁”，不比原算法效率高；但在大規模樣本的處理上，原算法的訓練時間隨樣本規模呈指數型增長，而改進算法的訓練時間隨樣本規模并沒有特別明顯的增幅，體現出了較好的時間優勢。實驗結果表明，基于MapReduce改進的SVM很好地彌補了原算法“樣本規模”的短板，更適用于大數據環境下的網絡態勢評估。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于MapReduce的SVM態勢評估算法下載
相關電子資料下載
- 如何利用一些小技巧實現SVM的增量式訓練 321
- 基于SVM的電機異常檢測系統 395
- 不同種植設施背景蔬菜作物無人機高光譜精細分類2.0 228
- 請問如何FPGA上使用SVM進行圖像處理呢？ 1129
- 卷積神經網絡的優勢和應用領域 1602
- SVM的使用方法 1262
- 使用Python從零實現多分類SVM 337
- 利用MJF實現一體化多功能可穿戴傳感器的制備 543
- 怎樣使用Python從零實現多分類SVM呢？ 363
- 逆變器的調制方法進階篇—空間矢量調制SVM 989