基于Hadoop平台的并行化数据分类算法研究.pdfVIP

下载本文档

11
0
约1.78万字
约 5页
2017-05-08 发布于河南
举报
版权申诉

基于Hadoop平台的并行化数据分类算法研究.pdf

1、本文档共5页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于Hadoop平台的并行化数据分类算法研究

学兔兔铷l 匐似基于Hadoop平台的并行化数据分类算法研究 Research on parallelized cIassi们cation algorithm based on the Hadoop platform 黄黎，顾筠 HUANG Li．GU Jun (江苏开放大学信息工程系，南京21 001 7) 摘要：随着云数据规模的急剧增长，传统的基于统计学和机器学习方法的数据分类算法在处理海量、异构和复杂的Web数据时面临系统扩展性的瓶颈。在云计算平台Hadoop上，实现数据分类中特征提取、特征分析和特征分类的MapReduce化处理。通过知识推理并行化特征构造，建立概念层次结构的特征度量，与分类算法的并行化处理进行融合，在真实数据集上进行验证，与传统算法组合在精度和时间开销上进行比较，实验表明该分类算法能获得更好的准确性和加速比，是一种有效的海量数据分类方法。关键词：云计算；数据分类；Hadoop；并行计算；MapReduoe 中圈分类号：TP3 文献标识码：A 文章编号：1 009-01 34(201 4)07(下)-0005-05 Doi：1 0．3969／J．1ssn．1 009-01 34．2014．07(下)．02 0 引言研究正成为学术界研究的热点，很多学者认为 MapReduce模型适合结构一致的海量数据，且要随着云时代的到来和移动互联网的快速发展，数据规模急剧膨胀，数据挖掘的要求和环境求计算简单；而大量的数据密集型应用，往往涉也变得越来越复杂。数据分类作为数据挖掘中一及到数据降维、程序迭代、近似求解等复杂的算法，计算非常困难。针对传统数据挖掘软件扩展项非常重要的工作，在商业、军事、科研的决策性差以及MapReduce数据分析功能薄弱的特点，斯分析中应用广泛。但是海量数据本身具有噪声、坦福大学Chu等人在国际学术会议NIPS’2006提出异构、算法复杂、技术复杂等问题，使得传统的一种基于MapReduce的、适用于大量机器学习算法基于统计理论和机器学习算法的分类方法及其体的通用并行编程框架，实现了在若干独立数据集系架构在海量数据中面临很多局限，因此，在海量Web数据分类中如何提高数据处理能力和执行上的并行化求和操作。Ranger等人提出了一个基于MapReduce的应用程序编程接口Phoenix，并实效率已成目前的研究热点。现了K—MeaJ1s、主成分分析和线性回归三种数据挖云计算平台提供的分布式文件存储和并行计