分類問題是模式識別和機器學習的重要研究內(nèi)容之一,現(xiàn)已經(jīng)廣泛應用到了工業(yè)、商業(yè)和科研等領域�；谀：�(guī)則的分類算法有著分類精度高、分類結(jié)果具有語義性、可解釋性、容易被用戶理解等優(yōu)點。并行計算的出現(xiàn)能夠極其有效的解決當前大數(shù)據(jù)環(huán)境下的傳統(tǒng)單個計算機在面對大規(guī)模數(shù)據(jù)集時所表現(xiàn)出的耗費時間長,效率低下,甚至內(nèi)存溢出無法處理的問題。由Google提出的MapReduce模型是一個易于開發(fā)的,可以并行處理海量數(shù)據(jù)的編程模型。它能夠降低并行程序設計的復雜度,用戶只需要簡單設計自身要解決的并行計算任務,大大節(jié)省了設計時間,效率極高。本文提出了一種基于MapReduce模型的并行模糊規(guī)則分類算法。該算法運用并行計算的方式來提取模糊規(guī)則,并構(gòu)建模糊規(guī)則分類器,使其既具有模糊系統(tǒng)處理不確定性方面的優(yōu)勢,又有MapReduce模型并行計算的能力。在實驗研究部分,本文將該并行算法應用到期貨自動交易平臺—交易開拓者(TradeBlazer,TB)以及印刷廠的標簽印刷生產(chǎn)任務中,主要內(nèi)容如下:(1)將提出的并行算法應用在期貨交易上,從期貨數(shù)據(jù)中提取模糊規(guī)則,將得到的模糊規(guī)則轉(zhuǎn)換為TB公式,形成交易策略,并將其應用到...

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 模式識別介紹
        1.2.1 模式識別簡介
        1.2.2 模式識別常見分類方法
    1.3 本文主要研究內(nèi)容
2 基于數(shù)據(jù)的模糊系統(tǒng)構(gòu)建
    2.1 引言
    2.2 Wang-Mendel算法簡介
        2.2.1 Wang-Mendel算法實現(xiàn)步驟
        2.2.2 Wang-Mendel算法優(yōu)點
    2.3 本章小結(jié)
3 并行計算框架Hadoop介紹
    3.1 Hadoop簡介
    3.2 Hadoop分布式文件系統(tǒng)
        3.2.1 HDFS的概念
        3.2.2 HDFS的架構(gòu)
    3.3 分布式計算模型MapReduce
        3.3.1 MapReduce簡介
        3.3.2 MapReduce程序模型
        3.3.3 MapReduce執(zhí)行流程
    3.4 本章小結(jié)
4 基于MapReduce的并行模糊規(guī)則分類算法研究
    4.1 引言
    4.2 基于MapReduce的并行模糊規(guī)則分類算法的實現(xiàn)
        4.2.1 數(shù)據(jù)預處理
        4.2.2 確定模糊數(shù)
        4.2.3 提取模糊規(guī)則
        4.2.4 簡化規(guī)則庫
        4.2.5 確定類標簽
    4.3 本章小結(jié)
5 基于MapReduce的并行模糊規(guī)則分類算法應用
    5.1 實驗運行環(huán)境
    5.2 在期貨數(shù)據(jù)上的應用
        5.2.1 TB平臺介紹
        5.2.2 實驗說明
        5.2.3 數(shù)據(jù)預處理
        5.2.4 實驗結(jié)果及分析
    5.3 在工業(yè)印刷廠的應用
        5.3.1 印刷業(yè)務簡介
        5.3.2 實驗說明
        5.3.3 數(shù)據(jù)預處理
        5.3.4 系統(tǒng)設計及應用
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
攻讀碩士學位期間發(fā)表學術(shù)論文情況
致謝



本文編號：3772713