毛伊敏， 张刘鑫， 卢欣荣

(1.江西理工大学信息工程学院， 赣州 341000； 2.江西理工大学应用科学学院， 赣州 341000)

支持向量机(support vector machine, SVM)算法是数据挖掘和机器学习的常用方法之一，其以结构风险最小化为准则设计学习模型，具有较好的鲁棒性；利用核函数将样本数据映射到高维特征空间，避免了“维度灾难”；将原问题转化为凸二次规划问题，求解目标函数可以获得全局最优解[1]。因此，支持向量机算法被广泛应用于图像分析[2]、目标检测[3]、生物医学[4]等各种领域。

随着信息技术的快速发展以及大数据时代的来临，大数据相较于传统数据具有了Volume(数量大)、Veracity(准确性)、Variety(种类多)、Velocity(速度快)、Value(价值密度低)的“5V”特性[5]。但是传统的支持向量机所需的时间复杂度较高，只适用于较小规模的数据集，而在处理大数据时，无疑会产生巨额的计算复杂度[6]。所以，如何降低支SVM算法的计算复杂度并提高其执行效率、使其能够处理大数据是个关键性的难题。

随着Google开发的MapReduce架构的广泛应用，以Hadoop、Spark为代表的分布式计算架构受到了越来越多的关注[7-9]。为了能进一步降低SVM算法的计算复杂度，通过改进传统的支持向量机算法，并与分布式的计算架构结合成为当前支持向量机算法的研究热点。Alham等[10]提出了基于MapReduce和Bagging的并行集成支持向量机算法(MapReduce-based distributed SVM ensembles algorithm，MRESVM)，该算法利用MapReduce计算模型在Hadoop平台上并行训练SVM，在保证分类精度的同时有效地提高了算法的执行效率，但是，随着训练样本的增大，算法的运行时间会迅速增长。在此基础上……