-
公开(公告)号：CN104915430B
公开(公告)日：2018-02-23
申请号：CN201510331121.9
申请日：2015-06-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于MapReduce的约束关系粗糙集规则获取方法，主要解决现有串行分类规则获取方法无法处理海量数据的问题。该方法实现步骤是：根据具体业务需求，配置数据分片规则库和条件约束值；建立训练数据集和测试数据集；对数据源进行数据预处理；数据分片；对各数据分片进行Map操作：实施约束关系粗糙集算法，获取上下联合、优势集、上下近似集等；将同一类别的Map结果汇总进行Reduce操作，最终得到分类规则。本发明相较其他利用优势关系粗糙集理论获取分类规则的方法，能够充分利用多属性决策信息系统中的偏好规则，约束概念进一步量化了优势关系，MapReduce方法实现了海量数据中的并行运算，能够大大减少处理海量数据的时间，具有良好的时效性、可扩展性以及较强的实用价值。
-
公开(公告)号：CN104915430A
公开(公告)日：2015-09-16
申请号：CN201510331121.9
申请日：2015-06-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于MapReduce的约束关系粗糙集规则获取方法，主要解决现有串行分类规则获取方法无法处理海量数据的问题。该方法实现步骤是：根据具体业务需求，配置数据分片规则库和条件约束值；建立训练数据集和测试数据集；对数据源进行数据预处理；数据分片；对各数据分片进行Map操作：实施约束关系粗糙集算法，获取上下联合、优势集、上下近似集等；将同一类别的Map结果汇总进行Reduce操作，最终得到分类规则。本发明相较其他利用优势关系粗糙集理论获取分类规则的方法，能够充分利用多属性决策信息系统中的偏好规则，约束概念进一步量化了优势关系，MapReduce方法实现了海量数据中的并行运算，能够大大减少处理海量数据的时间，具有良好的时效性、可扩展性以及较强的实用价值。
-
Search Results
2
records
(took 0.016 seconds)
