柳燕煌
- 作品数：2 被引量：24H指数：2
- 供职机构：福州大学数学与计算机科学学院更多>>
- 发文基金：福建省教育厅科技项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 云计算环境的并行支持向量机被引量：4
- 2011年
- 针对基于GPU和MPI并行的支持向量机(SVM)算法不适合于云计算环境,设计了一种基于多级SVM的并行支持向量机模型,实现了云计算环境下的序列最小优化(SMO)的并行算法。该算法通过MapReduce系统将大规模训练数据集划分为若干小训练集,再由这些小训练集开发多级的SVM,最后收集每一个SVM最优超平面附近的样本数据来训练另一个新的SVM。实验结果表明,该算法在时间消耗与分类正确率等综合方面比单机算法和传统并行算法获得更好的效果。
- 柳燕煌黄立勤
- 关键词：支持向量机SMO云计算MAPREDUCE
- 基于MapReduce并行的Apriori算法改进研究被引量：20
- 2011年
- 基于MapReduce实现的Apriori简单并行算法,产生了大量值为1的键/值对,影响了算法效率.提出一种分组统计策略的Apriori并行算法,有效地减少了键/值对的产生.实验结果表明,改进的基于MapReduce并行的Apriori算法在时间性能上有了很大的提升,并且随着集群节点的增加,算法的加速比线性提高.
- 黄立勤柳燕煌
- 关键词：APRIORIMAPREDUCE云计算
