检索结果-维普期刊中文期刊服务平台

基于Map/Reduce的朴素贝叶斯数据分类算法研究被引量：12: 1; 作者崔良中郭福亮宋建新《海军工程大学学报》 CAS 北大核心 2019年第4期7-10,共4页; 针对目前机器学习研究领域中的数据分类问题,选择朴素贝叶斯算法作为研究对象。首先,通过对样本数据特征属性的权重进行加权调整,提高算法处理的准确率;然后,改进朴素贝叶斯算法分类器模型,使其能够利用Map/Reduce并行编程模型,采用多... 展开更多; 关键词 map/reduce并行编程模型数据分类算法贝叶斯算法海量数据处理; 在线阅读下载PDF 职称材料

一种基于MapReduce的短时交通流预测方法被引量：11: 2; 作者梁轲谭建军李英远《计算机工程》 CAS CSCD 北大核心 2015年第1期174-179,共6页; 非参数回归方法是短时交通流预测常用的方法,但现有非参数回归方法存在预测速度与精度之间的矛盾。为此,提出一种适用于海量历史数据、基于Map Reduce与遗传算法的非参数回归短时交通流预测方法。通过引入Map Reduce并行计算框架,加快K... 展开更多; 关键词交通流预测非参数回归 K最近邻搜索遗传算法 map reduce编程模型并行计算; 在线阅读下载PDF 职称材料

基于Map Reduce的序列模式挖掘算法被引量：2: 3; 作者刘栋尉永清薛文娟《计算机工程》 CAS CSCD 2012年第15期43-45,共3页; 传统数据挖掘算法在处理海量数据集时计算能力有限。为解决该问题,提出一种基于Map Reduce的分布式序列模式挖掘算法MR PrefixSpan。在PrefixSpan算法的基础上,对模式挖掘任务进行分割,利用Map函数处理由不同前缀得到的序列模式,并行构... 展开更多; 关键词云计算并行处理 map reduce模型 PREFIXSPAN算法序列模式 HADOOP平台; 在线阅读下载PDF 职称材料

基于大数据聚类的电力系统中长期负荷预测被引量：50: 4; 作者徐源程潜善 +3 位作者李阳张浩余伟何冰《电力系统及其自动化学报》 CSCD 北大核心 2017年第8期43-48,共6页; 随着电网数据收集能力的提升,积累了海量的负荷及相关数据,为负荷预测开辟了新的思路。提出了一种应用大数据技术的中长期负荷预测新方法。首先通过历史负荷序列的增长趋势、波动性等变化特性的参数化表达,实现负荷的标准化处理,形成大... 展开更多; 关键词大数据中长期负荷预测聚类分析 map reduce 并行编程; 在线阅读下载PDF 职称材料

基于PFP的关联规则增量更新算法被引量：6: 5; 作者郑亚军胡学钢《合肥工业大学学报（自然科学版）》 CAS CSCD 北大核心 2015年第4期500-503,551,共5页; 对快速增长的数据进行挖掘的有效途径之一是采用增量式更新算法,其中最具代表性的是MRFUP算法。该算法的剪枝策略减少了关联规则的计算,但在处理增长快速的数据时效率过低,且频繁计算新增数据。文章以提高海量数据下关联规则增量更新效... 展开更多; 关键词关联规则 map/reduce模式增量更新并行FP-Growth算法; 在线阅读下载PDF 职称材料

题名基于Map/Reduce的朴素贝叶斯数据分类算法研究被引量：12: 1; 作者崔良中郭福亮宋建新; 机构海军工程大学电子工程学院海军参谋部规划和编制局; 出处《海军工程大学学报》 CAS 北大核心 2019年第4期7-10,共4页; 基金国家自然科学基金资助项目(61701517) 2017年度海军教育理论研究资助项目; 文摘针对目前机器学习研究领域中的数据分类问题,选择朴素贝叶斯算法作为研究对象。首先,通过对样本数据特征属性的权重进行加权调整,提高算法处理的准确率;然后,改进朴素贝叶斯算法分类器模型,使其能够利用Map/Reduce并行编程模型,采用多计算资源节点并行处理,进一步提高处理速度。最后,对UCI dataset数据库进行实验验证,结果表明:改进后的算法在海量数据分类处理中具有更好的性能表现。; 关键词 map/reduce并行编程模型数据分类算法贝叶斯算法海量数据处理; Keywords map/reduce parallel programming model data classification algorithm Bayesian algorithm mass data processing; 分类号 TP301.6 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名一种基于MapReduce的短时交通流预测方法被引量：11: 2; 作者梁轲谭建军李英远; 机构中国科学院广州地球化学研究所中国科学院大学广州中科盛博信息技术有限公一J; 出处《计算机工程》 CAS CSCD 北大核心 2015年第1期174-179,共6页; 基金广东省中国科学院全面战略合作基金资助项目(2012B091100266) 广州市科技计划基金资助项目(2010Y1-C041) 广州市科技计划科技支撑基金资助项目(09A11040726); 文摘非参数回归方法是短时交通流预测常用的方法,但现有非参数回归方法存在预测速度与精度之间的矛盾。为此,提出一种适用于海量历史数据、基于Map Reduce与遗传算法的非参数回归短时交通流预测方法。通过引入Map Reduce并行计算框架,加快K最近邻算法的搜索速度。在数据预处理阶段利用遗传算法优化关键参数的设置,并采用Map Reduce加速参数优化过程,以解决遗传算法迭代运算时间长的问题。实验结果表明,该方法在保证交通流预测精度的前提下,明显提高了预测速度,并且具有较好的可伸缩性。; 关键词交通流预测非参数回归 K最近邻搜索遗传算法 map reduce编程模型并行计算; Keywords traffic flow forecasting non-parametric regression K Nearest Neighbor（KNN）search genetic algorithm map reduce programming model parallel computing; 分类号 TP311 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名基于Map Reduce的序列模式挖掘算法被引量：2: 3; 作者刘栋尉永清薛文娟; 机构山东师范大学信息科学与工程学院山东省分布式计算机软件新技术重点实验室山东警察学院公共基础部; 出处《计算机工程》 CAS CSCD 2012年第15期43-45,共3页; 基金国家自然科学基金资助项目(60873247) 山东省自然科学基金资助项目(ZR2009GZ007); 文摘传统数据挖掘算法在处理海量数据集时计算能力有限。为解决该问题,提出一种基于Map Reduce的分布式序列模式挖掘算法MR PrefixSpan。在PrefixSpan算法的基础上,对模式挖掘任务进行分割,利用Map函数处理由不同前缀得到的序列模式,并行构造投影数据库,从而提高挖掘效率及简化搜索空间。采用Reduce函数对中间结果进行规约,得到全局序列模式。在Hadoop集群上的实验结果表明,MR PrefixSpan能减少数据库扫描时间,具有较高的并行加速比和较好的可扩展性。; 关键词云计算并行处理 map reduce模型 PREFIXSPAN算法序列模式 HADOOP平台; Keywords cloud computing parallel processing map reduce model PrefixSpan algorithm sequential pattern Hadoop platform; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于大数据聚类的电力系统中长期负荷预测被引量：50: 4; 作者徐源程潜善李阳张浩余伟何冰; 机构国网四川省电力公司绵阳供电公司武汉大学电气工程学院; 出处《电力系统及其自动化学报》 CSCD 北大核心 2017年第8期43-48,共6页; 基金国家自然科学基金资助项目(51107090); 文摘随着电网数据收集能力的提升,积累了海量的负荷及相关数据,为负荷预测开辟了新的思路。提出了一种应用大数据技术的中长期负荷预测新方法。首先通过历史负荷序列的增长趋势、波动性等变化特性的参数化表达,实现负荷的标准化处理,形成大数据聚类的样本;然后结合大数据分析平台的数据处理能力设计了基于Map Reduce并行编程模型的改进模糊K-means聚类方法,实现对负荷大数据的聚类划分;最后综合相同聚类负荷,并建立预测模型。计算结果表明,大数据聚类算法能有效地进行大量负荷数据的聚类划分,实现不同增长特性负荷的区分预测,具有较高的预测精度。; 关键词大数据中长期负荷预测聚类分析 map reduce 并行编程; Keywords big data mid-long term load forecasting clustering analysis map reduce parallel programming; 分类号 TM515 [电气工程—电器]; 在线阅读下载PDF 职称材料

题名基于PFP的关联规则增量更新算法被引量：6: 5; 作者郑亚军胡学钢; 机构合肥工业大学计算机与信息学院; 出处《合肥工业大学学报（自然科学版）》 CAS CSCD 北大核心 2015年第4期500-503,551,共5页; 文摘对快速增长的数据进行挖掘的有效途径之一是采用增量式更新算法,其中最具代表性的是MRFUP算法。该算法的剪枝策略减少了关联规则的计算,但在处理增长快速的数据时效率过低,且频繁计算新增数据。文章以提高海量数据下关联规则增量更新效率为目标,通过扩展能够并行处理关联规则的PFP算法而提出一种基于PFP的关联规则增量更新算法MRPFP。该算法能充分利用云平台强大的存储和并行计算能力。该算法的实验结果表明,MRPFP处理海量数据的效率优于MRFUP算法,更适用于海量数据的关联规则挖掘。; 关键词关联规则 map/reduce模式增量更新并行FP-Growth算法; Keywords association rule map/reduce programming pattern incremental updating parallel FP-Growth algorithm; 分类号 TP311 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于Map/Reduce的朴素贝叶斯数据分类算法研究	崔良中郭福亮宋建新	《海军工程大学学报》 CAS 北大核心	2019	12	在线阅读下载PDF 职称材料
2	一种基于MapReduce的短时交通流预测方法	梁轲谭建军李英远	《计算机工程》 CAS CSCD 北大核心	2015	11	在线阅读下载PDF 职称材料
3	基于Map Reduce的序列模式挖掘算法	刘栋尉永清薛文娟	《计算机工程》 CAS CSCD	2012	2	在线阅读下载PDF 职称材料
4	基于大数据聚类的电力系统中长期负荷预测	徐源程潜善李阳张浩余伟何冰	《电力系统及其自动化学报》 CSCD 北大核心	2017	50	在线阅读下载PDF 职称材料
5	基于PFP的关联规则增量更新算法	郑亚军胡学钢	《合肥工业大学学报（自然科学版）》 CAS CSCD 北大核心	2015	6	在线阅读下载PDF 职称材料