一种改进的分层级联的支持向量机并行化方法

摘要

本发明提供的是一种改进的分层级联的支持向量机并行化方法。通过改进的Cascade SVM算法得到了优化：首先，改进算法中c的引入，用于在层级训练过程中，衡量每一层训练中得到的模型支持向量个数的变化情况。其次，通过调整模型训练过程中的合并策略和层次结构，每层训练得到的支持向量的合并方式由两两合并，优化调整为全部合并之后再进行平均切分，这样避免了两两进行合并方式中存在过滤非边界样本不足的缺点。本发明可以保证不失分类精度的前提下，同时借助当前主流的Spark并行框架，有效地缩短模型训练时间，提高模型的训练和分类效率。