一种大区域滑坡危险性评价的并行支持向量机分类方法

摘要

本发明提出了一种大区域滑坡危险性评价的并行支持向量机分类方法，括以下步骤：首先，该算法提出KF策略来删减冗余数据，利用删减冗余数据后的数据集训练SVM，降低SVM对冗余数据的敏感性；其次，提出了基于非线性收敛因子和自适应惯性权重的鲸鱼智能优化算法，利用“IW‑BNAW”算法获取SVM的最优参数，提高支持向量机的参数寻优能力；最后，在利用MapReduce构造并行SVM过程中，提出时间反馈策略TFB用于reduce节点的负载调度，提高了集群的并行效率，实现了高并行的SVM。本发明原理简单且易于实现，本发明提出的算法无论是在并行效率上还是预测精确度上都有显著的性能表现，因此可应用于大区域滑坡危险性评价，提高其评价预测精确度。