MapReduce框架下的粒概念认知学习系统研究

yoursilf

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.
4 `$ J  y/ ^7 T# d, Y# Q
0 L5 ]6 R! u7 C8 K2 `关键词:概念格;概念学习;认知计算;粒计算;MapReduce
$ y" k. c0 ~+ H  E% y( 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.

4 F1 s, p- U! D  Q  a% ^
) C, L+ w( n% E% L/ J0 S7 Y

游客，如果您要查看本帖隐藏内容请回复

3 U% x) r! U3 c* |& h  C$ D0 t
. J! X! e8 j5 I5 i8 ^9 }* K2 q
) P2 }# B" \' i+ x( s1 H4 o- h

  `, z7 G# M, x) V3 {9 [+ `

tutututut

现在的数据简直不要太多