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，并且通過該方法獲得不同的特征子集來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，來解決大規(guī)模數(shù)據(jù)的分類問題。因此開發(fā)了