基于Spark云計算平臺的改進K近鄰算法研究.pdf_第1頁
已閱讀1頁,還剩59頁未讀 繼續(xù)免費閱讀

下載本文檔

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

文檔簡介

1、隨著現(xiàn)今時代信息的飛速發(fā)展,互聯(lián)網(wǎng)已經(jīng)步入大數(shù)據(jù)時代。在面對海量的數(shù)據(jù),用戶如何快速找到滿足自己需求的信息成為學(xué)術(shù)界急需研究的熱點難題?;ヂ?lián)網(wǎng)海量數(shù)據(jù)導(dǎo)致數(shù)據(jù)挖掘技術(shù)要求變得越來越迫切。通過數(shù)據(jù)挖掘方法,系統(tǒng)可以實現(xiàn)從海量數(shù)據(jù)高效挖掘出精準數(shù)據(jù)。數(shù)據(jù)挖掘中的分類算法是預(yù)測數(shù)據(jù)趨勢、推薦迎合用戶意愿數(shù)據(jù)的有效手段。K近鄰分類算法又是查詢大規(guī)??臻g數(shù)據(jù)的常用數(shù)據(jù)挖掘分類算法之一。算法在云計算平臺運行,可以進一步提高數(shù)據(jù)挖掘算法的運算速率。S

2、park云計算平臺是基于Hadoop云平臺的進一步優(yōu)化,不同于Hadoop的完全依賴HDFS文件系統(tǒng),Spark實現(xiàn)了在內(nèi)存中處理數(shù)據(jù)集,進一步提高了云平臺的數(shù)據(jù)處理速度。
  針對用戶快速獲取信息的需求,本文在Spark云計算平臺上,使用并行化的改進K近鄰分類算法實現(xiàn)為用戶快速提供推薦數(shù)據(jù)的目標。本文提出兩個優(yōu)化點:第一,本文對K近鄰分類算法索引創(chuàng)建技術(shù)進行改進,提高算法查找最近鄰數(shù)據(jù)點的效率。傳統(tǒng)的K近鄰分類算法主要制約因素是

3、查找最近鄰數(shù)據(jù)點效率低,Kd Tree是應(yīng)用于K近鄰分類算法索引創(chuàng)建的查找效率較高的數(shù)據(jù)結(jié)構(gòu)。影響Kd Tree的運行效率主要在于算法運行過程最近鄰節(jié)點查找中對非葉子節(jié)點的回溯。本文通過優(yōu)化Kd Tree中待分類數(shù)據(jù)點范圍與分割平面線的相交概率,減少K近鄰分類算法在查找最近鄰數(shù)據(jù)點時回溯節(jié)點的數(shù)目,實現(xiàn)提高K近鄰分類算法的分類效率。第二,本文優(yōu)化算法運行的環(huán)境,實現(xiàn)了提高算法分類效率的效果。本文對改進的K近鄰分類算法實行并行化,使算法能

4、很好的適應(yīng)云計算平臺的數(shù)據(jù)處理模型。本文使用Spark云計算平臺環(huán)境實現(xiàn)并行化的改進K近鄰分類算法,在保證算法準確度的前提下,提升了算法的分類速度。
  在實驗數(shù)據(jù)選取上,本文選用了UCI機器學(xué)習(xí)數(shù)據(jù)集。實驗對比單機情況下傳統(tǒng)K近鄰分類算法和改進K近鄰分類算法的效率和準確率、Spark云平臺上改進K近鄰分類算法和單機上改進K近鄰分類算法的算法處理效率,得到在Spark云平臺運行的改進K近鄰分類算法,在保證算法分類準確率的前提,較大

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(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)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(dān)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