云平台下基于粗糙集的并行增量知识更新算法

作     者：张钧波 李天瑞 潘毅 罗川 滕飞 ZHANG Jun-Bo;LI Tian-Rui;PAN Yi;LUO Chuan;TENG Fei

作者机构：西南交通大学信息科学与技术学院四川成都610031 Department of Computer ScienceGeorgia State UniversityAtlantaUSA 

基　　金：国家自然科学基金(61175047,61100117,61202043) 国家自然科学基金联合基金(U1230117) 四川省科技支撑计划(2012RZ0009) 西南交通大学优秀博士学位论文培育项目 中央高校基本科研业务费专项资金(SWJTU12CX098) 

出 版 物：《软件学报》 (Journal of Software)

年 卷 期：2015年第26卷第5期

页      码：1064-1078页

摘      要：日益复杂和动态变化的海量数据处理,是当前人们普遍关注的问题,其核心内容之一是研究如何利用已有的信息实现快速的知识更新.粒计算是近年来新兴的一个研究领域,是信息处理的一种新的概念和计算范式,主要用于描述和处理不确定的、模糊的、不完整的和海量的信息,以及提供一种基于粒与粒间关系的问题求解方法.作为粒计算理论中的一个重要组成部分,粗糙集是一种处理不确定性和不精确性问题的有效数学工具.根据云计算中的并行模型Map Reduce,给出了并行计算粗糙集中等价类、决策类和两者之间相关性的算法;然后,设计了用于处理大规模数据的并行粗糙近似集求解算法.为应对动态变化的海量数据,结合Map Reduce模型和增量更新方法,根据不同的增量策略,设计了两种并行增量更新粗糙近似集的算法.实验结果表明,该算法可以有效地快速更新知识;而且数据量越大,效果越明显.

主 题 词：云计算 Map Reduce 粗糙集 增量学习 

学科分类：08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 081202[081202] 

核心收录：

D　O　I：10.13328/j.cnki.jos.004590

馆 藏 号：203787923...