已閱讀1頁，還剩79頁未讀， 繼續(xù)免費閱讀
版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領
文檔簡介
1、對分布式數(shù)據(jù)流的分析與挖掘正與日俱增地在眾多領域變得十分重要,如網(wǎng)絡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€節(jié)點進行處理是不現(xiàn)實的;更加合理的方法是各個局部節(jié)點從數(shù)據(jù)中提取的最具代表性的精華部分,進而基于這些精華部分整合學習成為全局模型。
本文分析了支持向量機(SVM)在分布式環(huán)境下進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帶來的問題和風險,以及在不同分布式結構下具體的實現(xiàn)方法。針對
2、分布式環(huán)境下數(shù)據(jù)分析模型集成的問題和特點,基于支持向量機理論和支持向量數(shù)據(jù)描述(SVDD)算法,本文提出了一種基于支持向量機理論的支持向量數(shù)據(jù)描述外殼算法(SVDDS),構造的外殼根據(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,實現(xiàn)了無需修改支持向量機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,通過控制系統(tǒng)的參數(shù),保留輪廓以內(nèi)的潛在支持向量,去除對未來的模型集成沒有影響的數(shù)據(jù),
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 分布式支持向量機算法研究.pdf
- 分布式環(huán)境下數(shù)據(jù)挖掘分類算法研究.pdf
- 基于不平衡數(shù)據(jù)分布的支持向量數(shù)據(jù)描述.pdf
- 基于支持向量數(shù)據(jù)描述的分類算法研究.pdf
- 分布式單類支持向量機聚類算法研究.pdf
- 分布式單類支持向量機聚類算法研究
- 分布式環(huán)境下的數(shù)據(jù)挖掘算法的研究與實現(xiàn).pdf
- 基于相對密度的支持向量數(shù)據(jù)描述算法研究.pdf
- 一種改進的支持向量數(shù)據(jù)描述算法.pdf
- 基于支持向量數(shù)據(jù)描述的屬性約簡算法研究.pdf
- 基于支持向量數(shù)據(jù)描述的分類識別算法研究.pdf
- 分布式環(huán)境下的數(shù)據(jù)挖掘算法的實現(xiàn)與應用研究.pdf
- 支持向量數(shù)據(jù)描述與支持向量機及其應用.pdf
- 基于支持向量數(shù)據(jù)描述的多示例學習算法研究.pdf
- 分布式環(huán)境下Skyline計算算法研究.pdf
- 異構分布式環(huán)境下協(xié)作任務的調度算法
- 分布式環(huán)境下基于文本的海量數(shù)據(jù)挖掘.pdf
- 復雜通信環(huán)境下的分布式優(yōu)化算法研究.pdf
- 非連接分布式數(shù)據(jù)環(huán)境下的數(shù)據(jù)同步策略.pdf
- 分布式數(shù)據(jù)挖掘算法的研究.pdf
評論
0/150
提交評論