MATLAB集群下的支持向量機(jī)并行化應(yīng)用研究.pdf

1、并行計(jì)算是計(jì)算機(jī)科學(xué)與計(jì)算數(shù)學(xué)相互融合的產(chǎn)物，它的出現(xiàn)為一些面臨改進(jìn)瓶頸的算法帶來了新的解決方案，通過高性能的計(jì)算的方式，可以完成算法中復(fù)雜運(yùn)算的部分，從而提升其時(shí)間執(zhí)行效率。支持向量機(jī)作為基于統(tǒng)計(jì)學(xué)習(xí)理論的模式識(shí)別方法，可以很好地處理分類以及回歸問題，在很多領(lǐng)域都有應(yīng)用。然而面對(duì)龐大的迭代過程以及大量樣本的訓(xùn)練等問題時(shí)，算法時(shí)間效率不盡人意，傳統(tǒng)的算法改進(jìn)效果又難以符合要求。本文針對(duì)此，將并行計(jì)算的思想引入到支持向量機(jī)的各個(gè)應(yīng)用方向，

2、來解決上述的諸多問題，以多目標(biāo)跟蹤和股票預(yù)測(cè)兩個(gè)研究方向作為切入點(diǎn)。
　　 在多目標(biāo)跟蹤領(lǐng)域的很多方面都可以運(yùn)用支持向量機(jī)理論解決問題。數(shù)據(jù)關(guān)聯(lián)是多目標(biāo)跟蹤系統(tǒng)中的核心部分，然而在密集的回波環(huán)境中，尤其是跟蹤門交叉區(qū)域若存在過多雜波，會(huì)令概率數(shù)據(jù)關(guān)聯(lián)算法的濾波值發(fā)散，并嚴(yán)重干擾跟蹤系統(tǒng)的性能。本文提出了一種新算法SVM-MC-JPDAF算法，它采用支持向量機(jī)(SVM)技術(shù)分類前景區(qū)中的回波，針對(duì)跟蹤門交叉區(qū)域的有效回波進(jìn)行特別篩

3、選，并針對(duì)新算法帶來的計(jì)算負(fù)擔(dān)變大的問題利用分布式并行化的方式解決。仿真實(shí)驗(yàn)結(jié)果表明，算法不但有效地降低了目標(biāo)估計(jì)值的均方根誤差(RMSE)，而且在提高性能的同時(shí)控制了算法的執(zhí)行負(fù)擔(dān)。
　　 在股票價(jià)格預(yù)測(cè)領(lǐng)域中，應(yīng)用支持向量機(jī)也取得了不錯(cuò)的效果，但是隨著股票數(shù)據(jù)規(guī)模以及樣本維數(shù)的日益龐大，人們對(duì)于股票預(yù)測(cè)算法在保證準(zhǔn)確之外的預(yù)測(cè)速度也提出了更高的要求。本文提出了一種合適的GPU/CPU并行計(jì)算模型，來解決最小二乘支持向量機(jī)(L