基于隨機(jī)子空間的最小最大模塊化支持向量機(jī)研究與實(shí)現(xiàn).pdf

1、最小最大模塊化支持向量機(jī)（M3-SVM）是一種能夠有效處理大規(guī)模數(shù)據(jù)分類問(wèn)題的集成學(xué)習(xí)方法。為了提高對(duì)大規(guī)模數(shù)據(jù)和不平衡數(shù)據(jù)的分類性能，本文提出一個(gè)基于隨機(jī)子空間的M3-SVM算法，來(lái)實(shí)現(xiàn)降維和增加其特征層面上的集成機(jī)制。該方法通過(guò)提高基分類器準(zhǔn)確率，增加基分類器之間的差異性，最終提高整個(gè)最小最大模塊化“網(wǎng)絡(luò)”的集成性能。該方法除了提高大規(guī)模數(shù)據(jù)分類的性能，還能與并行計(jì)算系統(tǒng)相結(jié)合，充分利用其本身具有的并行特點(diǎn)，極大提高其分類效率。本論

2、文主要研究?jī)?nèi)容包括以下兩個(gè)方面：
　　第一，提出了基于隨機(jī)子空間的M3-SVM算法。該方法從特征層面上對(duì)各個(gè)基分類器的訓(xùn)練樣本進(jìn)行優(yōu)化，并且通過(guò)該方法獲得不同的特征子集來(lái)提高基分類器之間的差異性以得到更優(yōu)的分類性能，從而進(jìn)一步提高最小最大模塊化網(wǎng)絡(luò)的分類性能。
　　第二，設(shè)計(jì)和實(shí)現(xiàn)了基于消息傳遞接口（MPI）的M3-SVM算法模型。M3網(wǎng)絡(luò)在提出之初就是考慮到要充分利用分布式并行計(jì)環(huán)境，來(lái)解決大規(guī)模數(shù)據(jù)的分類問(wèn)題。因此開發(fā)了