公开(公告)号：CN106250506A

公开(公告)日：2016-12-21

申请号：CN201610626850.1

申请日：2016-08-02

Applicant: 东南大学

Inventor： 杨鹏 ,  吕培培 ,  顾梁 ,  董永强

IPC: G06F17/30 ,  G06F9/38

CPC classification number: G06F9/3885 ,  G06F16/903

Abstract: 本发明公开了一种基于欧氏距离改进的kNN近邻查找方法。本发明利用欧式空间的特性，通过加减运算替换传统kNN方法中较为复杂的乘方运算，减少计算开销，在不降低查询准确率的条件下，实现对待分类样本的k近邻查找。本发明可有效减少部分样本点的计算量，降低kNN方法的时间复杂度；同时借助简化过程引入的临时变量，规避对全局集中式索引结构的依赖，将传统kNN方法由串行单线程处理模式，非常方便地扩展为多线程处理模式，提升处理器利用率并适应大数据处理的需求。

公开(公告)号：CN106202575A

公开(公告)日：2016-12-07

申请号：CN201610705283.9

申请日：2016-08-22

Applicant: 东南大学

Inventor： 杨鹏 ,  吕培培 ,  顾梁 ,  董永强

IPC: G06F17/30

Abstract: 本发明公开了一种基于Apriori的分布式快速频繁项集挖掘方法，通过在记录项集同时记录其所在的对应事物集合，从而在频繁项集挖掘的剪枝部分，利用简单的事物个数统计，实现项集频率的统计，以此达到剪枝的目的。本发明的优势在于克服了传统方法对于输入数据集的频繁扫描，使该方法具有很好的可扩展性，同时该方法结合Spark进行实现，可以很好地处理大数据时代的频繁项集挖掘任务。