|
|
大连理工大学学报 2014
一种基于MapReduce的动态数据流分类算法DOI: 10.7511/dllgxb201404014, PP. 461-468 Keywords: 数据流分类,增量式学习,极端支持向量机(ESVM),MapReduce,遗忘因子,鲁棒性 Abstract: 当前动态数据流下的实时分类问题存在3个难点针对海量数据的实时处理；概念漂移的跟踪和模型的更新；模型的稳定和鲁棒性．针对上述问题，将极端支持向量机(extremesupportvectormachine，ESVM)与MapReduce框架结合，提出了带遗忘因子的鲁棒ESVM算法．该方法通过构造残差权重矩阵，对残差进行修正，同时加入遗忘因子，提高新样本的作用，从而实现对海量数据处理问题的求解．实验结果显示，所提出方法能够快速有效地对动态数据流进行分类，且结果不易受到噪声干扰，稳定性强．
|
