針對傳統(tǒng)決策樹分類算法需要依靠人工構(gòu)造特征才能實現(xiàn)對數(shù)據(jù)進(jìn)行分類的問題,以及其在處理海量天文數(shù)據(jù)時所面臨的處理速度和資源分配瓶頸問題,結(jié)合深度學(xué)習(xí)強(qiáng)大的特征學(xué)習(xí)能力和Spark高效的數(shù)據(jù)處理性能,提出了一種基于Spark平臺的深度感知決策樹并行化算法,并將其應(yīng)用于天文恒星/星系分類問題中。研究結(jié)果表明,該算法具有很好的可伸縮性,可以通過增加Spark集群計算節(jié)點的數(shù)量,來減少分類模型所需的訓(xùn)練時間和增強(qiáng)其對海量天文數(shù)據(jù)的處理能力。并且,其因同時具備強(qiáng)大的特征學(xué)習(xí)和分類能力而在恒星星系分類問題上可以獲得比傳統(tǒng)決策樹更高的分類準(zhǔn)確率。

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 深度感知決策樹
2 樹模型的后向傳播學(xué)習(xí)
    2.1 決策節(jié)點的學(xué)習(xí)
    2.2 預(yù)測節(jié)點的學(xué)習(xí)
3 基于Spark的深度感知決策樹實現(xiàn)
4 實驗測試
5 結(jié)束語



本文編號：3795071