基于相对熵和余弦相似度的并行支持向量机优化方法

摘要

本发明提出了一种基于相对熵和余弦相似度的并行支持向量机优化方法，包括以下步骤：S1，数据划分：采用基于相对熵的数据划分策略DPRE进行数据划分，平衡当前子集和原始数据集的相对熵，划分样本到子集；S2，并行SVM训练：结合MapReduce框架实现多层级联结构，逐层过滤非支持向量精简训练集，得到训练后的SVM模型；S3，将待测数据输入训练后的SVM模型，获得数据分类结果。本发明能够在分类效率和分类精确度上都有显著的提高。