论文研究-基于并行多类支持向量机的蛋白质结构预测.pdf

在远同源检测的蛋白质结构预测方法中，基于支持向量机的方法取得了优于其他方法的高准确性，但这类方法只能完成对目标蛋白质作出是否属于特定蛋白质结构的判别，而实际应用中常需要直接给出具体的结构预测结果。提出一种基于多类支持向量机的蛋白质结构预测方法，通过采用加权一对多的多类分类方法对标准支持向量机输出结果进行综合评价，获得唯一的结构预测结果；同时为了克服算法复杂性高的弱点，用并行计算的思想对算法进行了优化。实验表明，基于并行多类支持向量机的蛋白质结构预测取得了更高的准确性，并行化的处理提高了多类支持向量机分类器

基于GPU的并行支持向量机的设计与实现

1．在综述了当前高性能计算领域热门技术的基础上，选择GPU作为并行支持向量 机的实现工具。在GPU编程方法方面，选择了OpenCL作为具体的代码实现技术，并搭 建了GPU计算的实验平台和基于VisualStudio2010的OpenCL的开发环境。 2．介绍了支持向量机理论的基本原理及其数学模型，引出了SMO训练算法并对其 进行了详细的说明。研究了LibSVM的使用方法，并在之前搭建的两个平台上做了实验 仿真，以用来作为参照基准。 3．根据SVM训练和预测算法中的并行点，提出了用于多类分类器的并行支持向量 机算法。通过分别对SVM训练算法、预测算法和涉及的矩阵运算分别采用并行运算， 提高了多核计算机的运算效率，加快了SVM分类器的训练过程。对并行算法的性能进 行了详细分析。 4．利用OpenCL编写了并行支持向量机程序，并对程序实现过程中的一些重要步 骤，如数据预处理、设备初始化、程序初始化和缓存、内存分配和命令列队优化等进行 了详细的介绍。对进一步提高GPU的效率进行了深入的探讨。 5．利用LibSVM处理训练样本，编写了基于CPU Timer的时间测量工具，最后给 出了基于GPU的并行支持向量机的仿真实验结果，并与LibSVM的仿真数据进行了对 比，验证了并行算法的有效性。

Oracle_建表空间及用户名并授权

Oracle_建表空间及用户名并授权Oracle_建表空间及用户名并授权

论文研究-基于半监督支持向量机的并行远同源检测方法.pdf

在生物信息学中，对给定氨基酸序列的蛋白质进行分类，检测细微的蛋白质序列相似性或远同源性对于准确预测蛋白质功能和结构都非常重要。提出一种新的基于半监督支持向量机的远同源性检测方法，通过定义序列概率剖面，充分利用大型数据库的非标记数据，并行构筑支持向量机核函数，并结合最近邻分类器实现对任何数据的全覆盖。实验表明，该方法能够大幅提高蛋白质序列分类器的性能与效率。使用并行技术将总体计算时间控制在一定范围，推动了半监督支持向量机分类器的广泛应用。

匝道损耗非并行支持向量机用于模式分类

匝道损耗非并行支持向量机用于模式分类

论文研究-利用GPU并行加速支持向量机的研究与实践 .pdf

利用GPU并行加速支持向量机的研究与实践，王亮，高占春，因为支持向量机预测的精度很高，它是非常著名的解决分类和回归问题的工具之一。然而，在训练过程使用非线性核函数的支持向量机算

论文研究-基于MapReduce的最小二乘支持向量机回归模型.pdf

针对最小二乘支持向量机处理大规模数据集耗时长且受内存限制的特点，将局部多模型方法与Map-Reduce编程模式相结合，提出一种并行最小二乘支持向量机回归模型。模型由两组MapReduce过程组成，首先按照输入样本集对样本数据进行聚类操作，再对聚类后得到的子类按输出样本集进行二次聚类操作，分别得到局部模型数目和各局部模型综合加权输出计算结果。实验结果表明，并行最小二乘支持向量机回归模型具有较好的加速比和可扩展性。

模糊和区间值模糊非并行支持向量机

利用模糊集理论（FS），区间值模糊集理论（IVFS）和非并行支持向量机理论（NPSVM），模糊非并行支持向量机（F-NPSVM）和区间值模糊非并行支持向量机。 （IVF-NPSVM）已构建。 F-NPSVM和IVF-NPSVM都在模型中考虑了训练点的隶属度，区别在于确定训练点的方法。 在人工数据集和基准数据集上的实验表明，使用F-NPSVM和IVF-NPSVM进行的大多数分类结果比NPSVM，支持向量机（SVM）更为准确。 ，区间值模糊支持向量机（IVF-SVM），广义特征值近端支持向量机（GEPSVM）和双支持向量机（TWSVM）。 最后，使用Friedman检验来验证两个新模型与以前的模型之间存在显着差异。

基于分解技术的并行支持向量机算法

基于分解技术的并行支持向量机算法，李明强，韩丛英，支持向量机是以统计学习理论为基础的新型的机器学习方法，近年来已经成为机器学习领域一个新的研究热点。由于传统的优化算法在处

利用MPI写的矩阵向量相乘并行算法

利用C++和MPI写的矩阵向量相乘并行算法，在WINDOWS、LINUX下测试没问题。

基于并行支持向量机的多变量非线性模型预测控制

<p>提出一种基于并行支持向量机的多变量系统非线性模型预测控制算法.首先,通过考虑输入,输出间的耦合,建立基于并行支持向量机的多步预测模型;然后,将该模型用于非线性预测控制,提出新的适用于并行预测模型的反馈校正策略,得到最优控制律.连续搅拌槽式反应器(CSTR)的控制仿真结果表明,该算法的性能优于基于并行神经网络的非线性模型预测控制和基于集成模型的非线性模型预测控制.</p>

基于并行计算的文本分类技术

针对传统文本分类方法对于海量数据分类速度慢精度差等问题,将并行计算应用到文本分类领域,设计了一套基于MapReduce的并行化文本分类框架,结合Bagging算法思想提出了支持向量机的并行训练方法,并在Hadoop云计算平台上进行了实验,实验结果表明该分类方法具有较快的分类速度和较高的分类精度。

具有非并行支持向量机的多内核框架

具有非并行支持向量机的多内核框架

基于非并行支持向量机的多视图学习

基于非并行支持向量机的多视图学习

支持向量机

介绍支持向量机相关算法，并行支持向量机是其中的一种类型。

基于遗传-支持向量机法的煤层顶板导水断裂带高度的分析

利用遗传算法以全局并行搜索方式来搜索优化群体中的最优个体的特点,获得了支持向量机参数的最佳值,建立了遗传-支持向量机模型(GA-SVR).有效反映了采空区长度、抗压强度和采厚等因素与煤层顶板导水断裂带高度的非线性关系.经具体工程应用验证了遗传-支持向量机法研究导水断裂带高度的有效性.并对影响断裂带高度的因素进行了权重分析,指出埋深、采空区长度、抗压强度和采厚是主导影响因素,同时指出从地质条件、岩体力学性质和开采条件3个方面选取指标的科学性.