本文選題：案例推理 + 投影尋蹤　； 參考：《計(jì)算機(jī)應(yīng)用研究》2017年02期

【摘要】：在大規(guī)模、高維度的數(shù)據(jù)環(huán)境下,傳統(tǒng)的案例推理具有計(jì)算復(fù)雜度高、實(shí)時(shí)性差等缺點(diǎn)。為在大數(shù)據(jù)環(huán)境下進(jìn)行案例推理,提出了一種基于投影尋蹤和MapReduce的并行推理模型dp CBR。在數(shù)據(jù)預(yù)處理階段,計(jì)算源案例到基準(zhǔn)向量的一維投影距離并緩存,降低計(jì)算復(fù)雜度并減少重復(fù)計(jì)算開銷;在案例檢索階段,先根據(jù)投影距離裁剪案例庫,再進(jìn)行相似度匹配,減少不必要的案例匹配開銷。應(yīng)用MapReduce進(jìn)行分布式并行處理,使dp CBR具備對(duì)大規(guī)模案例庫的推理能力。實(shí)驗(yàn)結(jié)果表明,dp CBR模型可以明顯提高大數(shù)據(jù)環(huán)境下案例推理的效率。
[Abstract]:In large scale and high dimensional data environment, traditional Case-Based reasoning (CBR) has the disadvantages of high computational complexity and poor real-time performance. In this paper, a parallel reasoning model based on projection pursuit and MapReduce is proposed for case-based reasoning in big data environment. In the data preprocessing stage, the one-dimensional projection distance from the source case to the datum vector is calculated and cached, which reduces the computational complexity and reduces the cost of repeated computation. In the case retrieval stage, the case base is clipped according to the projection distance, and then the similarity matching is carried out. Reduce unnecessary case matching overhead. Using MapReduce for distributed parallel processing, DP CBR has the ability of reasoning large scale case base. The experimental results show that the dp CBR model can significantly improve the efficiency of CBR in big data environment.
【作者單位】： 西北工業(yè)大學(xué)計(jì)算機(jī)學(xué)院;
【基金】：國家部委預(yù)研基金資助項(xiàng)目(513150703);國家部委基金資助項(xiàng)目(9140A15090114HK03)
【分類號(hào)】：TP181

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 潘麗芳;楊炳儒;;基于簇的K最近鄰(KNN)分類算法研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2009年18期

2 印鑒;譚煥云;;基于χ~2統(tǒng)計(jì)量的kNN文本分類算法[J];小型微型計(jì)算機(jī)系統(tǒng);2007年06期

3 李鋒剛;倪志偉;楊善林;黃玲;;案例推理中屬性約簡(jiǎn)及其性能評(píng)價(jià)[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年S1期

4 李瑩,張曉輝,王華勇,常桂然;一種應(yīng)用向量聚合技術(shù)的KNN中文文本分類方法[J];小型微型計(jì)算機(jī)系統(tǒng);2004年06期

5 李榮陸,胡運(yùn)發(fā);基于密度的kNN文本分類器訓(xùn)練樣本裁剪方法[J];計(jì)算機(jī)研究與發(fā)展;2004年04期

6 王壯,胡衛(wèi)東,郁文賢,莊釗文;一種基于近鄰搜索的快速k-近鄰分類算法[J];系統(tǒng)工程與電子技術(shù);2002年04期

7 李祚泳;投影尋蹤技術(shù)及其應(yīng)用進(jìn)展[J];自然雜志;1997年04期

8 徐明;胡守仁;;基于事例推理的檢索模型研究[J];計(jì)算機(jī)科學(xué);1993年04期

9 王煜;白石;王正歐;;用于Web文本分類的快速KNN算法[J];情報(bào)學(xué)報(bào);2007年01期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬瑤;;基于組合權(quán)重的灰色關(guān)聯(lián)投影法的立交方案綜合評(píng)價(jià)[J];城市道橋與防洪;2017年03期

2 劉杰;戈軍;沈微微;王學(xué)軍;;物聯(lián)網(wǎng)的光學(xué)傳輸網(wǎng)絡(luò)鄰居節(jié)點(diǎn)快速發(fā)現(xiàn)方法[J];激光雜志;2017年01期

3 李濤;劉斌;;Spark平臺(tái)下的高效Web文本分類系統(tǒng)的研究[J];計(jì)算機(jī)應(yīng)用與軟件;2016年11期

4 沈躍;徐慧;劉慧;李寧;;基于K-means和近鄰回歸算法的Kinect植株深度圖像修復(fù)[J];農(nóng)業(yè)工程學(xué)報(bào);2016年19期

5 譚學(xué)清;張磊;周通;羅琳;;一種基于聚類密度的文本分類算法研究[J];圖書館學(xué)研究;2016年13期

6 莫崇勛;鐘歡歡;王大洋;楊慶;孫桂凱;;基于模糊集對(duì)評(píng)價(jià)法的廣西各城市洪澇易損性分析[J];水電能源科學(xué);2016年06期

7 高陽;木合塔爾·艾爾肯;;前后綴字母作特征在維吾爾語文本情感分類中的應(yīng)用[J];昌吉學(xué)院學(xué)報(bào);2016年03期

8 吳彬林;梁磊;張彪;繆楊帆;李川;;機(jī)場(chǎng)服務(wù)信息抽取方法研究[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2016年17期

9 吳e，

本文編號(hào)：2104183