基于MapReduce的并行模糊規(guī)則分類算法研究及應(yīng)用
發(fā)布時(shí)間:2023-03-27 19:25
分類問題是模式識(shí)別和機(jī)器學(xué)習(xí)的重要研究內(nèi)容之一,現(xiàn)已經(jīng)廣泛應(yīng)用到了工業(yè)、商業(yè)和科研等領(lǐng)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(diǎn)。并行計(jì)算的出現(xiàn)能夠極其有效的解決當(dāng)前大數(shù)據(jù)環(huán)境下的傳統(tǒng)單個(gè)計(jì)算機(jī)在面對大規(guī)模數(shù)據(jù)集時(shí)所表現(xiàn)出的耗費(fèi)時(shí)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(gè)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(shè)計(jì)的復(fù)雜度,用戶只需要簡單設(shè)計(jì)自身要解決的并行計(jì)算任務(wù),大大節(jié)省了設(shè)計(jì)時(shí)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(yùn)用并行計(jì)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(jì)算的能力。在實(shí)驗(yàn)研究部分,本文將該并行算法應(yīng)用到期貨自動(dòng)交易平臺(tái)—交易開拓者(TradeBlazer,TB)以及印刷廠的標(biāo)簽印刷生產(chǎn)任務(wù)中,主要內(nèi)容如下:(1)將提出的并行算法應(yīng)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(yīng)用到...
【文章頁數(shù)】:56 頁
【學(xué)位級(jí)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(shí)別介紹
1.2.1 模式識(shí)別簡介
1.2.2 模式識(shí)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(shí)現(xiàn)步驟
2.2.2 Wang-Mendel算法優(yōu)點(diǎn)
2.3 本章小結(jié)
3 并行計(jì)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(jì)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(shí)現(xiàn)
4.2.1 數(shù)據(jù)預(yù)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(biāo)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(yīng)用
5.1 實(shí)驗(yàn)運(yùn)行環(huán)境
5.2 在期貨數(shù)據(jù)上的應(yīng)用
5.2.1 TB平臺(tái)介紹
5.2.2 實(shí)驗(yàn)說明
5.2.3 數(shù)據(jù)預(yù)處理
5.2.4 實(shí)驗(yàn)結(jié)果及分析
5.3 在工業(yè)印刷廠的應(yīng)用
5.3.1 印刷業(yè)務(wù)簡介
5.3.2 實(shí)驗(yàn)說明
5.3.3 數(shù)據(jù)預(yù)處理
5.3.4 系統(tǒng)設(shè)計(jì)及應(yīng)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(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝
本文編號(hào):3772713
【文章頁數(shù)】:56 頁
【學(xué)位級(jí)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(shí)別介紹
1.2.1 模式識(shí)別簡介
1.2.2 模式識(shí)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(shí)現(xiàn)步驟
2.2.2 Wang-Mendel算法優(yōu)點(diǎn)
2.3 本章小結(jié)
3 并行計(jì)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(jì)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(shí)現(xiàn)
4.2.1 數(shù)據(jù)預(yù)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(biāo)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(yīng)用
5.1 實(shí)驗(yàn)運(yùn)行環(huán)境
5.2 在期貨數(shù)據(jù)上的應(yīng)用
5.2.1 TB平臺(tái)介紹
5.2.2 實(shí)驗(yàn)說明
5.2.3 數(shù)據(jù)預(yù)處理
5.2.4 實(shí)驗(yàn)結(jié)果及分析
5.3 在工業(yè)印刷廠的應(yīng)用
5.3.1 印刷業(yè)務(wù)簡介
5.3.2 實(shí)驗(yàn)說明
5.3.3 數(shù)據(jù)預(yù)處理
5.3.4 系統(tǒng)設(shè)計(jì)及應(yīng)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(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝
本文編號(hào):3772713
本文鏈接:http://sikaile.net/jingjilunwen/qihuoqq/3772713.html
最近更新
教材專著