針對傳統(tǒng)支持向量機（SVM）算法難以處理大規(guī)模訓練數(shù)據(jù)的困境，提出一種基于Hadoop的數(shù)據(jù)驅(qū)動的并行增量Adaboost-SVM算法（PIASVM）。利用集成學習策略，局部分類器處理一個分區(qū)的數(shù)據(jù)，融合其分類結(jié)果得到組合分類器；增量學習中用權(quán)值刻畫樣本的空間分布特性，對樣本進行迭代加權(quán)，利用遺忘因子實現(xiàn)新增樣本的選擇及歷史樣本的淘汰；采用基于HBase的控制器組件用以調(diào)度迭代過程，持久化中間結(jié)果并減小MapReduce原有框架迭代過程中的帶寬壓力。多組實驗結(jié)果表明，所提算法具有優(yōu)良的加速比、擴展率和數(shù)據(jù)伸縮度，在保證分類精度的基礎(chǔ)上提高了SVM算法對大規(guī)模數(shù)據(jù)的處理能力。