

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、大規(guī)模開放在線課程的涌現(xiàn),將世界上最優(yōu)質(zhì)的教育資源,傳播到地球上的每個角落,吸引了大量的用戶。用戶在使用互聯(lián)網(wǎng)瀏覽信息的過程中會產(chǎn)生大量記錄用戶操作行為的日志文件,通過對該平臺中日志文件的收集、分析和挖掘可以分析并提取出用戶的興趣行為傾向,從而針對不同用戶的愛好和需求為用戶推薦學習資源。對用戶興趣行為的分析過程是極為重要的,其結(jié)果直接影響了推薦資源的準確性和實時性。在這個過程中通常會使用Web日志挖掘算法來提取隱藏在日志文件中的重要信息
2、,在如今這個大數(shù)據(jù)時代,單純使用傳統(tǒng)的Web日志挖掘技術(shù),從如此巨大的數(shù)據(jù)量中分析挖掘出有關(guān)用戶興趣行為的信息并非易事,因為在使用普通的挖掘方式處理海量數(shù)據(jù)過程中會消耗大量資源、降低處理速率、增加成本,而使用Hadoop云平臺的分布式技術(shù)可以很好地解決這些問題。
本文在分析了PSO和K-means算法的基礎(chǔ)上提出了并行PSO-KM算法,K-means算法是公認的易于實現(xiàn)的算法,并且聚類效果比較好,PSO算法具有全局搜索特性,可
3、以提取到具有全局代表性的初始聚類中心,K-means算法使用這樣的初始聚類中心,可以解決K-means聚類結(jié)果起伏大的問題。Hadoop云平臺處理數(shù)據(jù)集時,具有效率高、資源消耗量少的優(yōu)越性,但是它只能針對具有并行化特征的問題,這些問題都可以被分成單個獨立的子問題,分別進行運算,否則無法使用云平臺的分布式編程模型。而PSO、K-means兩個算法都具有并行化的特性,因此可以把它們作為一種MapReduce編程模型來使用。
本實驗
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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。
- 6. 下載文件中如有侵權(quán)或不適當內(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。
最新文檔
- 基于Web日志的分布式并行數(shù)據(jù)挖掘算法研究.pdf
- 基于關(guān)聯(lián)規(guī)則的Web日志數(shù)據(jù)挖掘算法的研究與應用.pdf
- 基于WEB日志挖掘的頻繁模式挖掘算法研究.pdf
- 基于聚類算法的Web日志挖掘應用研究.pdf
- 基于Web日志的若干挖掘算法及其應用研究.pdf
- 基于蟻群算法的Web日志挖掘研究.pdf
- 基于Web日志的網(wǎng)絡(luò)使用挖掘算法研究.pdf
- 基于Web日志挖掘技術(shù)的研究與應用.pdf
- 基于web日志挖掘的用戶會話聚類算法的研究與應用.pdf
- 基于聚類算法的WEB日志挖掘系統(tǒng)研究與應用.pdf
- 基于Web日志挖掘的聚類算法研究.pdf
- 蟻群算法在Web日志挖掘中的研究與應用.pdf
- Web日志挖掘技術(shù)的研究與應用.pdf
- 基于Web日志挖掘的應用研究.pdf
- 基于關(guān)聯(lián)規(guī)則的Web日志挖掘研究與應用.pdf
- 基于Web日志的序列模式挖掘算法的研究.pdf
- Web日志挖掘技術(shù)研究與應用.pdf
- 基于XML的Web日志挖掘研究和應用.pdf
- 面向Web日志數(shù)據(jù)挖掘的研究與應用.pdf
- 基于仿生類算法的Web日志挖掘技術(shù)研究.pdf
評論
0/150
提交評論