知识粒度框架下并行知识约简算法研究

摘要：

面向大规模数据的知识约简是近年来粗糙集理论的研究热点.传统的知识约简算法通常将小规模数据一次性装入内存中进行约简,因此无法处理海量数据.此外,采用不同的属性不确定性度量会导致并行知识约简算法效率上的差异.为此,从知识粒度视角研究这些不确定性度量的差异和联系,设计了数据和任务同时并行的Map和Reduce函数来计算不同候选属性子集导出的等价类和属性子集的不确定性,构建了一种知识粒度框架下并行知识约简算法模型来获取一个约简,并在Hadoop平台上进行了相关实验.实验结果表明,这些并行知识约简算法可以有效处理海量数据集.

关键词：MapReduce、知识约简、数据并行、任务并行、知识粒度

所属期刊栏目：58

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金;江苏省青蓝工程;江西省双千计划项目;江西省自然科学基金

在线出版日期：2022-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：594-603