计算机工程与科学

作者：刘屹成, 刘晓燕, 严馨

单位：昆明理工大学信息工程与自动化学院，云南 昆明 650500

关键词：并行计算,支持向量机,分块,平衡子集,参数缩放,

级联支持向量机CSVM通过对数据集进行分组，基于子数据集并行训练，极大地缩短了训练时间、减少了内存占用，但使用该方法得到的模型与直接训练得到的模型相比存在一定误差。首先,分析了分组训练产生误差的原因，并对理想情况下无误差的分组进行了归纳总结。然后，提出一种平衡级联支持向量机BCSVM算法。该算法平衡了分组后子数据集中的样本比例，确保子数据集中的样本比例与原数据集的相同，且在分组训练时可以通过调整参数值，获取更多的支持向量，降低全局支持向量丢失的概率。同时，对BCSVM算法的有效性进行了论述，阐明了使用该算法得到的模型比使用随机分组CSVM得到的模型有更高的预测精度。最后，使用多个常见数据集进行实验验证，结果表明，采用BCSVM算法进行训练所得到的准确率误差由之前的1%降低到了0.1%左右。

来源：2023年第7期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2023年第7期