知识粒度框架下并行知识约简算法研究

作     者：吕萍 常玉慧 钱进 LüPing;Chang Yuhui;Qian Jin

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 

基　　金：国家自然科学基金(62066014) 江苏省“青蓝工程” 江西省“双千计划” 江西省自然科学基金(20202BABL202018) 

出 版 物：《南京大学学报（自然科学版）》 (Journal of Nanjing University（Natural Science）)

年 卷 期：2022年第58卷第4期

页      码：594-603页

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.

主 题 词：MapReduce 知识约简 数据并行 任务并行 知识粒度 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.13232/j.cnki.jnju.2022.04.004

馆 藏 号：203113649...