基于多个在线核极限学习机的并行模型训练算法

摘要：

针对传统数据处理技术对多个极限学习机的训练问题,由于串行数据处理方式中,会造成时间复杂度的增加,根据大数据的特征以及数据处理技术,提出基于MapReduce的多个在线核极限学习机模型的并行算法,可使一个MapReduce作业完成多个模型的预测.通过算例测试验证了本文的基于MapReduce集成算法可以有效地提高模型的准确度和实时的训练速度.

关键词：在线极限学习机、集成学习、MapReduce、并行算法

所属期刊栏目：9

分类号：TP18(自动化基础理论)

在线出版日期：2019-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：57-62