基于支持向量机的分布数据挖掘模型DSVM

被引：6

作者：

琚春华 ^{[1
,2
]}

郭飞鹏 ^{[3
]}

机构：

[1] 浙江工商大学计算机与信息工程学院

[2] 浙江工商大学现代商贸研究中心

[3] 浙江经贸职业技术学院信息技术系

来源：

系统工程理论与实践 | 2010年 / 30卷 / 10期

基金：

浙江省自然科学基金;

关键词：

分布数据挖掘; 支持向量机; 特征多叉树; 移动Agent;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

针对分布环境的数据挖掘要求,提出了基于支持向量机的分布数据挖掘模型DSVM.定义了DSVM中特征多叉树的概念,描述了基于移动Agent访问分布数据集来构建特征多叉树的方法,阐述了通过特征多叉树来反映分布环境各数据集属性总体特征的思想,并利用该数据结构和支持向量机的特点,提出了基于壳向量的分布式支持向量机增量算法来修正和完善特征多叉树,最终实现分布环境下全局的数据挖掘.实验结果表明,该模型有效地解决原有分布环境下其他挖掘算法存储开销大、执行效率差、安全性和隐私性低等问题.

引用

页码：1855 / 1863

页数：9

共 14 条

[1] 基于支持向量机的客户流失预测模型 [J].

夏国恩 ;

金炜东 .

系统工程理论与实践, 2008, (01) :71-77

[2] 基于Hebb规则的分布神经网络学习算法 [J].

田大新 ;

刘衍珩 ;

李宾 ;

吴静 .

计算机学报, 2007, (08) :1379-1388

[3] 一种基于壳向量的SVM快速增量学习算法 [J].

於俊 ;

周维 .

电子测量与仪器学报, 2006, 20 (06) :94-97

[4] 基于分布式数据挖掘的连锁商业企业经营决策分析 [J].

王益萍 ;

琚春华 .

商业研究, 2006, (20) :6-10

[5] 基于贝叶斯网络的客户流失分析 [J].

郭明 ;

郑惠莉 ;

卢毓伟 .

南京邮电学院学报, 2005, (05) :79-83

[6] 支撑矢量机推广能力分析 [J].

周伟达 ;

张莉 ;

焦李成 .

电子学报, 2001, (05) :590-594

[7]

基于贝叶斯网络的分布数据挖掘模型DDMB研究[J]. 琚春华,张捷.情报学报. 2008 (05)

[8]

统计学习理论[M]. 电子工业出版社 , (美)瓦普尼克（VladimirN.Vapnik）著, 2004

[9]

Effects of principle component analysis on assessment of coronary artery diseases using support vector machine[J] . Expert Systems With Applications . 2009 (3)

[10] An incremental learning algorithm for Lagrangian support vector machines [J].

Duan, Hua ;

Shao, Xiaojian ;

Hou, Weizhen ;

He, Guoping ;

Zeng, Qingtian .

PATTERN RECOGNITION LETTERS, 2009, 30 (15) :1384-1391

← 1 2 →