推荐星级：
- 1
- 2
- 3
- 4
- 5
MapReduce的粒子群投影寻踪模型的设计与实现
资料介绍
摘要：利用MapReduce模式设计并实现了粒子群投影寻踪算法的并行化，以提高算法的效率.在分类阶段使用了基于MapReduce的KNN分类算法并行，实验结果表明：基于MapReduce实现的粒子群投影寻踪模型能够有效地寻找到较好的投影方向，确保分类效果；并且与其串行算法相比，在实现效率上有较大的提高.
关键词：投影寻踪；粒子群优化；MapReduce；文本分类；并行化
在数据挖掘中，常遇到高维数据和大规模数据的处理.面对高维数据时，会遇到算法计算效率和
“维数灾难”导致的常用方法失效等问题.于是许多数据降维方法相继被提出，将高维数据降到低维后再进行分析，以提高学习性能；另一方面可以通过实现算法并行化来提高算法效率.投影寻踪（projectior pursuit，PP）1-2]是一种通过寻找出能反映原高维数振结构或特征的投影方向，将高维数据投影到低维子空间上，以达到在低维空间处理和分析高维数据的降维方法.
部分文件列表
| 文件名 | 大小 |
| 基于MapReduce的粒子群投影寻踪模型的设计与实现.pdf | 1M |
全部评论(0)