支持向量機（SVM）可以解決傳統態勢評估算法無法兼顧的“維數災難…‘過學習”及“非線性”等難題，卻無法應對大規模樣本的問題。為了有效應對態勢評估中的大數據處理挑戰，提出了一種基于MapReduce的SVM（ MR-SVM）態勢評估算法。該算法利用MapReduce并行計算模型，同時結合SVM可并行化的特點，通過設計主要的map函數和reduce函數，實現了SVM算法的并行化和主要參數的選取。在搭建的Hadoop平臺上對改進算法與原算法進行了比較驗證：對于小規模樣本，改進算法反而“化簡為繁”，不比原算法效率高；但在大規模樣本的處理上，原算法的訓練時間隨樣本規模呈指數型增長，而改進算法的訓練時間隨樣本規模并沒有特別明顯的增幅，體現出了較好的時間優勢。實驗結果表明，基于MapReduce改進的SVM很好地彌補了原算法“樣本規?！钡亩贪澹m用于大數據環境下的網絡態勢評估。
?