[发明专利]一种基于Spark框架的支持向量机训练方法

摘要

本发明提供一种基于Spark框架的支持向量机训练方法，包括：获取训练样本集，将训练样本集中的所有样本向量分布式储存在Spark框架的数据节点中；从训练样本集中抽取违反KKT条件最大的样本向量V2，同时选取与样本向量V2的球心距相差最大的样本向量V1；对样本向量V1和V2进行迭代优化计算，获得更新后的样本向量V1new和V2new；将样本向量V1new和V2new广播到Spark的数据节点中，在每个数据节点中计算样本向量V1和V2产生的差分，从而计算获得更新后的球心；然后更新数据节点中各个样本向量的球心距和球半径。本发明提供的方法，通过应用Spark分布式计算框架将单机计算密集工作分散到各个工作节点，当数据增加时，可以进行横向扩展，存储空间不受单机限制。

主权项

一种基于Spark框架的支持向量机训练方法，其特征在于，包括：S1，获取训练样本集，将所述训练样本集中的所有样本向量分布式储存在Spark框架的数据节点中；S2，从所述训练样本集中抽取违反KKT条件最大的样本向量V₂，同时选取与样本向量V₂的球心距相差最大的样本向量V₁；S3，对所述样本向量V₁和V₂进行迭代优化计算，获得更新后的样本向量V₁^new和V₂^new；S4，将所述更新后的样本向量V₁^new和V₂^new广播到所述Spark的数据节点中，在每个数据节点中计算所述样本向量V₁和V₂产生的差分，根据所述每个数据节点中计算的差分，计算获得更新后的球心a^new；S5，根据所述更新后的球心a^new，更新所述Spark的数据节点中各个样本向量的球心距，同时更新球体半径R。