佩德罗·福雷罗(Pedro A.Forero)。;阿方索·卡诺;乔治·吉安娜基斯(Georgios B.Giannakis)。 基于共识的分布式支持向量机。 (英语) Zbl 1242.68222号 J.马赫。学习。物件。 11, 1663-1707 (2010). 摘要:本文开发了用于训练支持向量机的算法,当训练数据分布在不同的节点上时,由于通信复杂性、可扩展性或隐私等原因,支持向量机与集中式处理单元的通信被禁止。为了实现这一目标,将集中式线性SVM问题转换为一组分散的凸优化子问题(每个节点一个),对所需的分类器参数具有一致约束。利用乘法器的交替方向方法,在节点之间不交换训练数据的情况下获得了完全分布式的训练算法。与现有的增量方法不同,与节点间通信相关的开销是固定的,并且完全取决于网络拓扑,而不是每个节点可用训练集的大小。此外,还开发了以分布式方式训练非线性SVM的重要泛化,以及能够在线处理的序列变量。仿真测试表明了新算法的性能。 引用于35文件 MSC公司: 68T05型 人工智能中的学习和自适应系统 64岁以下 分布式系统 62H30型 分类和区分;聚类分析(统计方面) 关键词:支持向量机;分布式优化;分布式数据挖掘;分布式学习;传感器网络 PDF格式BibTeX公司 XML格式引用 \textit{P.A.Forero}等人,J.Mach。学习。第11号决议,1663-1707(2010年;Zbl 1242.68222) 全文: 链接