基于空间投影和聚类划分的 SVR 加速算法

来源：计算机技术与发展杂志2024年第04期北京时间：

作者：王梅;';张天时;王志宝;任怡果

单位：1. 东北石油大学 计算机科学与信息技术学院,黑龙江 大庆 163318;2. 黑龙江省石油大数据与智能分析重点实验室(东北石油大学),黑龙江 大庆 163318

摘要：数据不仅能产生价值,还对统计学的科学发展提供了动力。 随着科技的飞速发展,海量数据得以涌现,但大规模的数据会导致很多传统处理方法很难满足各领域对数据分析的需求。 面对海量数据时代学习算法的低效性,分治法通常被认为是解决这一问题最直接、最广泛使用的策略。 SVR 是一种强大的回归算法,在模式识别和数据挖掘等领域有广泛应用。 然而在处理大规模数据时,SVR 训练效率低。 为此,该文利用分治思想提出一种基于空间投影和聚类划分的 SVR加速算法( PKM-SVR) 。 利用投影向量将数据投影到二维空间;利用聚类方法将数据空间划分为 k 个互不相交的区域;在每个区域上训练 SVR 模型;利用每个区域的 SVR 模型预测落入同一区域的待识别样本。 在标准数据集上与传统的数据划分方法进行对比实验,实验结果表明该算法训练速度较快,并表现出更好的预测性能。

关键词：大规模数据;分治法;支持向量回归;主成分分析;聚类