云计算环境下的并行SVM算法研究的中期报告.docx

云计算环境下的并行SVM算法研究的中期报告
2019年12月14日
一、研究进展
本研究旨在探讨在云计算环境下的并行SVM算法实现。目前已完成初步的文献调研和算法设计，并已进行了一部分的代码实现和测试。
（一）文献调研
在文献调研中，主要针对并行SVM算法、云计算技术以及两者之间的结合进行了研究。其中，对于并行SVM算法，主要调研了基于OpenMP、MPI和MapReduce等技术的并行实现方法，并对比了不同并行化技术的优缺点。同时，也研究了一些针对大规模数据集的优化方法，如IncrementalSVM等。对于云计算技术，主要调研了基于Hadoop、Spark等分布式计算平台上的SVM实现方法，并发现了一些应用SVM的实际场景，如图像分类、文本分类等。
（二）算法设计
基于文献调研的结果，我们选择了基于MPI和OpenMP的并行SVM算法作为研究对象，并在此基础上进行了一定的改进。具体来说，我们将数据集按照类别划分，在每个类别内部使用OpenMP进行并行化，在不同类别之间使用MPI进行通信。同时，我们还考虑了在云计算环境下实现该算法的问题，如数据的分布式存储和调度等。
（三）代码实现与测试
目前，我们已完成了基于C++语言的并行SVM算法的部分代码实现，并进行了一定的测试。测试数据集为libsvm提供的standarddatasets，其中包括了多个文本分类和图像分类的数据集。测试结果显示，我们的并行SVM算法在多核CPU上的性能表现良好，能够有效地加速计算过程。
二、下一步工作
（一）算法细节的优化
目前的代码实现还存在一些问题，如内存使用效率不高和通信开销较大等。我们计划在下一步中对算法进行进一步的优化，以提高算法的性能。
（二）在分布式计算平台上的实现
下一步我们将会将我们的算法移植到云计算平台上，并对其进行测试。我们计划使用AWS或者Azure等云计算提供商的服务进行测试。
三、致谢
感谢指导老师的悉心指导和支持，在他的帮助下本研究取得了一定的进展。同时我们也感谢实验室的其他同学在研究中给予的帮助和支持。