基于MapReduce的支持向量机态势评估算法
来源：计算机应用杂志2016年第1期北京时间：
作者：陈珍, 夏靖波, 杨娟, 韦泽鲲
单位：1. 空军工程大学 信息与导航学院, 西安 710077;2. 93010部队89分队, 沈阳 110015
摘要：支持向量机(SVM)可以解决传统态势评估算法无法兼顾的“维数灾难”“过学习”及“非线性”等难题,却无法应对大规模样本的问题。为了有效应对态势评估中的大数据处理挑战,提出了一种基于MapReduce的SVM(MR-SVM)态势评估算法。该算法利用MapReduce并行计算模型,同时结合SVM可并行化的特点,通过设计主要的map函数和reduce函数,实现了SVM算法的并行化和主要参数的选取。在搭建的Hadoop平台上对改进算法与原算法进行了比较验证:对于小规模样本,改进算法反而"化简为繁",不比原算法效率高;但在大规模样本的处理上,原算法的训练时间随样本规模呈指数型增长,而改进算法的训练时间随样本规模并没有特别明显的增幅,体现出了较好的时间优势。实验结果表明,基于MapReduce改进的SVM很好地弥补了原算法"样本规模"的短板,更适用于大数据环境下的网络态势评估。
关键词：支持向量机,态势评估,MapReduce,Hadoop,并行化
基金资助：陕西省科技计划自然基金重点项目(2012JZ8005)。
