典型文献
知识粒度框架下并行知识约简算法研究
文献摘要：
面向大规模数据的知识约简是近年来粗糙集理论的研究热点.传统的知识约简算法通常将小规模数据一次性装入内存中进行约简,因此无法处理海量数据.此外,采用不同的属性不确定性度量会导致并行知识约简算法效率上的差异.为此,从知识粒度视角研究这些不确定性度量的差异和联系,设计了数据和任务同时并行的Map和Reduce函数来计算不同候选属性子集导出的等价类和属性子集的不确定性,构建了一种知识粒度框架下并行知识约简算法模型来获取一个约简,并在Hadoop平台上进行了相关实验.实验结果表明,这些并行知识约简算法可以有效处理海量数据集.
文献关键词：
MapReduce;知识约简;数据并行;任务并行;知识粒度
中图分类号：
作者姓名：
吕萍;常玉慧;钱进
作者机构：
江苏理工学院计算机工程学院,常州,213001;华东交通大学软件学院,南昌,330013
文献出处：
引用格式：
[1]吕萍;常玉慧;钱进-.知识粒度框架下并行知识约简算法研究)[J].南京大学学报（自然科学版）,2022(04):594-603
A类：
B类：
知识粒度,行知,知识约简,简算,算法研究,大规模数据,粗糙集理论,小规模,装入,行约,海量数据,不确定性度量,算法效率,性子,子集,等价,算法模型,Hadoop,MapReduce,数据并行,任务并行
AB值：
0.250201
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
