|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘﹐要:针对经典的概念学习算法难以处理大规模数据集的问题,本文提出一种基于MapReduce框架的粒概念认知学习并行算法.该算法借鉴认知心理学的知觉和注意认知思想,并融合粒计算的粒转移原理.首先构建适应大数据环境的粒概念并行求解算法,并与经典粒概念构造算法做了对比,在此基础上分别从外延和内涵角度建立了粒概念认知计算系统,然后对给定对象集或属性集进行认知概念学习.实验结果表明,该并行算法是有效的,适合海量数据的粒概念认知学习.9 U4 K" E8 R5 B& T2 T1 J
5 X/ Z) M- {) N8 k. ]; [" L) n关键词:概念格;概念学习;认知计算;粒计算;MapReduce
. b: l! I6 E/ w* e' H+ R: {' Q0 r( c5 W( U, u9 H9 g3 H6 e( @
随着信息技术的飞速发展,数据已呈现爆炸式增长.面对海量数据处理中的众多问题,如何借鉴人脑的思维模式来分析大数据,从而获得有价值的信息,已成为当前研究的热点.众所周知,概念是通过识别其外延与内涵来完成的,即确定对象与属性之间的具体关系.近年来,为了适应各种数据分析,学者们已提出不同类型的概念.概念学习是从已知信息中运用特定学习方法获取未知概念.例如,通过问询方式,云模型,认知系统,近似逼近,概念迭代等都是概念学习的具体表现.$ R" d3 G" i5 a8 e9 o
/ M2 s) C# P4 `! j* }3 \# F$ u: W
0 v5 Y4 h0 [( W& |9 C7 J
; Y: q) Y/ O, J3 o0 ~& b/ t ^. _
# n6 M' X# u- O F3 B' X+ _. `7 p
! ]: D0 I* g% N+ y& ~
4 M- r& o3 r) @6 R& w |
|
/1 
发表于 2021-5-11 10:33
收藏
淘帖
支持！
反对！