基于Hadoop的并行關聯(lián)算法的研究.pdf_第1頁
已閱讀1頁，還剩61頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、在大數(shù)據(jù)時代，數(shù)據(jù)作為公共組織、企業(yè)越來越重要的資產，正歷史性的改變著企業(yè)資產的發(fā)展進程。作為數(shù)據(jù)挖掘的一個重要研究方向和技術，關聯(lián)規(guī)則旨在從大量數(shù)據(jù)中發(fā)現(xiàn)某些特征之間或者數(shù)據(jù)之間的相互依賴的關系。目前傳統(tǒng)關聯(lián)規(guī)則挖掘算法在處理大規(guī)模數(shù)據(jù)時可能面臨頻繁的I/O操作、計算量過大、時空消耗嚴重等問題。隨著云計算平臺Hadoop充分的發(fā)展，關聯(lián)規(guī)則挖掘算法在分布式計算框架 MapReduce的實現(xiàn)將有著廣泛的應用場景。
　　本文基于對關

2、聯(lián)規(guī)則算法基本概念及經典算法的深入理解，在現(xiàn)有算法基礎上進行改進，提出R-SLI算法。該算法引入頻集樹概念，將對頻繁項目集的挖掘問題轉化為挖掘滿足條件的子結點問題，并改變了原算法對矩陣的使用方式，使得矩陣能夠保留數(shù)據(jù)庫的完整信息，避免了動態(tài)更新階段因信息不足而重新查找數(shù)據(jù)庫的可能。在研究并行算法的設計策略后，本文對R-SLI算法實現(xiàn)了基于MapReduce計算框架的并行實現(xiàn)，提出了P-MT算法。算法根據(jù) MapReduce作業(yè)輸入輸出<

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論