Демидова Л.А., Никульчев Е.В., Соколова Ю.С. «Классификация больших данных: использование SVM-ансамблей и SVM-классификаторов с модифицированным роевым алгоритмом» Cloud of science, 3, № 1, с. 5-42 (2016)

Рассматривается проблема разработки SVM-классификаторов на основе модифицированного алгоритма роя частиц (PSO-алгоритма) и ансамблей SVM-классификаторов с целью обеспечения высокого качества классификации данных. Решение данной проблемы позволит выполнять классификацию данных, особенно больших данных (Big Data), с высокой точностью и с приемлемыми временными затратами. При построении SVM-классификатора модифицированный PSO-алгоритм осуществляет одновременный поиск типа функции ядра, значений параметров функции ядра, значения параметра регуляризации, а также соответствующего им набора опорных векторов. В основу предлагаемого модифицированного PSO-алгоритма заложена идея о «перерождении» частиц, предполагающая возможность того, что некоторые частицы могут изменить тип функции ядра на тип, который соответствует частице с наилучшим значением точности классификации. Предлагаемый PSO-алгоритм позволяет сократить временные затраты на разработку SVM-классификатора, что очень важно для Big Data классификации. В большинстве случаев SVM-классификатор на основе модифицированного PSO-алгоритма обеспечивает высокое качество классификации данных при приемлемых временных затратах. Наряду с SVM-классификатором на основе модифицированного PSO-алгоритма предлагается использовать ансамбли SVM-классификаторов, построенных на основе алгоритма максимальной декорреляции для различных стратегий принятия классификационных решений и правила большинства голосов. Представленные результаты экспериментальных исследований подтверждают эффективность SVM-классификаторов на основе модифицированного PSO-алгоритма и ансамблей SVM-классификаторов для Big Data классификации.