|
|
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.0 U* x( F2 T; b. R
6 ?1 Q- P7 k, C% ^7 ~! k1 {4 A
关键词:概念格;概念学习;认知计算;粒计算;MapReduce i. i" f# }# i& D: G8 q9 ?7 @$ O
3 x( F2 M/ o* g; H7 o 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.
$ v. ?& p' P- Y, M4 \
+ E( ]7 i# E" D( w
+ |; _# ]: h/ t, X, h# A5 I; |
k3 q! r6 n+ U* ~, r, W( O: S2 L- K, J
) ~) I) {% i' m3 J/ [
9 O2 }7 T" E+ C0 t% z( q( d' V; z/ b, i/ R
|
|
/1 
发表于 2021-5-11 10:33
收藏
淘帖
支持！
反对！