分类是通过样本数据训练一个模型,来对未知的数据进行类标签的判断。经典的分类算法都是由单标签组成,分类器只需要判断一个样本是否属于这个类标签。但是在真实世界,大多数的情况是一个对象属于多个类标签,这就是多分类问题。多分类应用广泛,在基因识别、图像识别等领域有广大的应用。但是目前许多方法精确度不够高,速度慢,特别是面对海量数据,传统多类标算法训练速度慢,效率低下。针对上述问题,本文结合Hadoop开源分布式计算平台,将算法并行化处理来提高效率。本文主要做了以下的工作:1、本文利用样本特征相似度来确定类标间的相互关系。通过训练一组支持向量机形成基分类器,然后计算各个类标数据的中心点,通过计算未知数据与相关中心点的相似度来确定类标的关系,然后在Yeast、scence和emotion数据集上进行对比试验,证明本文提出算法的有效性。2、受到随机森林的启发,采用Bagging抽样的方法,提出了随机SBR算法。随机SBR算法由许多SBR分类器组成,每一个SBR分类器都是独立的,通过训练随机多个SBR分类器,然后投票决定类标签。这样构建一个分类器,从而达到将弱可学习的分类器变成强可学习的分类器。3、最后,根据随机SBR的缺点即每次都要训练多个基分类器,结合MapReduce并行编程框架,提出了随机SBR并行化的方法。通过对建立多个随机SBR分类器并行的构建,提高了算法的运行效率。然后在新闻数据集和Yeast数据集上进行实验,发现并行化的算法在数据量很大的情况下,具有良好的可扩展行,相对于随机SBR具有良好的加速比。