分布式環(huán)境下的支持向量數(shù)據(jù)描述外殼算法.pdf

1、對(duì)分布式數(shù)據(jù)流的分析與挖掘正與日俱增地在眾多領(lǐng)域變得十分重要,如網(wǎng)絡(luò)流分析和金融交易分析等。在分布式環(huán)境中,將所有數(shù)據(jù)都傳輸?shù)揭粋€(gè)節(jié)點(diǎn)進(jìn)行處理是不現(xiàn)實(shí)的;更加合理的方法是各個(gè)局部節(jié)點(diǎn)從數(shù)據(jù)中提取的最具代表性的精華部分,進(jìn)而基于這些精華部分整合學(xué)習(xí)成為全局模型。
　　 本文分析了支持向量機(jī)(SVM)在分布式環(huán)境下進(jìn)行模型表示和集成的利弊,支持向量的核心作用及其在模型集成時(shí)帶來(lái)的問(wèn)題和風(fēng)險(xiǎn),以及在不同分布式結(jié)構(gòu)下具體的實(shí)現(xiàn)方法。針對(duì)

2、分布式環(huán)境下數(shù)據(jù)分析模型集成的問(wèn)題和特點(diǎn),基于支持向量機(jī)理論和支持向量數(shù)據(jù)描述(SVDD)算法,本文提出了一種基于支持向量機(jī)理論的支持向量數(shù)據(jù)描述外殼算法(SVDDS),構(gòu)造的外殼根據(jù)數(shù)據(jù)的分布形態(tài),僅包含支持向量以及向內(nèi)部延伸一定厚度的區(qū)域,實(shí)現(xiàn)了無(wú)需修改支持向量機(jī)算法即可適用于分布式環(huán)境下的全局模型。
　　 本算法在描述數(shù)據(jù)的外圍輪廓的同時(shí),通過(guò)控制系統(tǒng)的參數(shù),保留輪廓以內(nèi)的潛在支持向量,去除對(duì)未來(lái)的模型集成沒(méi)有影響的數(shù)據(jù),