分布式多分类支持向量机.pdfVIP

第 42 卷增刊 1  中南大学学报(自然科学版)  Vol.42  Suppl. 1  2011 年 9 月  Journal of Central South University (Science and Technology)  Sep. 2011  分布式多分类支持向量机 1  1,2  1  1  郭一楠  ，程健  ，肖大伟  ，杨梅  (1.  中国矿业大学 信息与电气工程学院,  江苏 徐州，221116；2.  清华大学 自动化系,  北京，100084)  摘要：实际中存在大量基于多分类的大样本数据集的问题。针对单一 SVM 解决该类问题时计算时间长、占用内 存大等缺点，提出了一种分布式多分类支持向量机模型，并针对其中的子多分类 SVM 模型的参数选择问题，采 用遗传算法来寻找具有最优性能的超参数组合，即通过最小输出编码方式，将解决多分类问题的多个二分类支持 向量机整合形成单个多分类支持向量机，并把多分类支持向量机的分类正确率作为遗传算法的适应度函数，所得 超参数对应的子多分类 SVM 模型具有较好的泛化性能。最后将分布式多分类支持向量机模型用于手写数字识别 中，通过对仿真结果的对比和分析，表明该模型具有较高的精度，提高了模型的泛化能力。 关键词：分布式支持向量机；多分类；遗传算法；超参数 中图分类号：TP301  文献标志码：A  文章编号：1672−7207(2011)S1−0829−06  Distributed multi­classificationsupport vector machines  1  1, 2  1  1  GUO Yi­Nan , CHENG Jian  , XIAO Da­Wei , YANG Mei  (1. College of Information and Electronic Engineering,  China University of Mining and Technology, Xuzhou 221116,China;  2. Department of Automation, Tsinghua University, Beijing 100084,China)  Abstract: Large samples problems based on multi­classification exist in practical. Aiming at the problem of higher  computational complexity  and larger computer memory by  single support vector machines when dealing with such  problem, a distributed multi­classification support vector machines model was established and genetic algorithm was  adopted in selection of multi­classification support vector machinesmodels’ hyper­parameters. Some binary classification  support vector ma