基于地域因素的分布式?jīng)Q策樹算法與其網(wǎng)格模型研究.pdf

1、隨著信息技術(shù)的發(fā)展,經(jīng)濟全球化進程的加快,連鎖商業(yè)企業(yè)紛紛崛起,大量分布的連鎖分店、配送中心與總店間通過網(wǎng)絡(luò)互連,形成了分布型的商業(yè)共享數(shù)據(jù)環(huán)境。這種環(huán)境下,商業(yè)數(shù)據(jù)庫中的數(shù)據(jù)存儲形成了以下幾個重要的特點：(1)每天都會有新的經(jīng)營數(shù)據(jù)存入,數(shù)據(jù)量越來越大；(2)數(shù)據(jù)分布在各分店內(nèi),難以集中到統(tǒng)一的數(shù)據(jù)中心；(3)各區(qū)域數(shù)據(jù)特性不一致,具有分布分析的價值；(4)數(shù)據(jù)存儲形式不一致,數(shù)據(jù)異構(gòu)性與差異性大。 本文針對這些數(shù)據(jù)存儲的特點

2、分析了傳統(tǒng)的各種決策樹算法,包括集中式?jīng)Q策樹算法(如ID3、C4.5算法等)和分布式?jīng)Q策樹算法(如SPRINT、SLIQ等),這些算法不是針對連鎖商業(yè)企業(yè)的應(yīng)用環(huán)境而研究的,難以滿足日益復(fù)雜的連鎖分布數(shù)據(jù)挖掘。 本文深入討論了面向連鎖商業(yè)企業(yè)內(nèi)部的分布式數(shù)據(jù)庫之間存在的聯(lián)系,認(rèn)為不同地域之間由于生活習(xí)慣、經(jīng)濟水平、人口因素等原因的存在使得不同地域之間的消費習(xí)慣不同。因此,不同地域之間存儲的消費數(shù)據(jù)會存在不同的特征。 因此

3、,本文提出了基于地域因素的分布式?jīng)Q策樹ZDT算法,該算法針對連鎖商業(yè)企業(yè)的地域分布特點,在J4.8算法的基礎(chǔ)上加入地域因素,并將地域因素作為首要的分支屬性,然后再以信息增益率為其它屬性的選擇標(biāo)準(zhǔn),最后生成一棵基于地域因素的決策樹,實現(xiàn)面向連鎖商業(yè)企業(yè)的分布式的決策樹挖掘。文中引入了地域因子和決策樹特征差異的概念,并給出了決策樹特征差異算法,通過地域分支算法獲得決策樹的地域分支頭部,通過決策樹特征差異率計算不同地域之間生成的決策樹的特征相

4、同程度。最后,對特征差異率超過指定閥值的決策樹分支進行合并,由此避免生成的決策樹過于龐大。 本文在ZDT算法的實現(xiàn)過程中利用網(wǎng)格技術(shù),實現(xiàn)基于網(wǎng)格技術(shù)的ZDM系統(tǒng),即GZDM系統(tǒng)。GZDM利用多種優(yōu)秀開源的工具,實現(xiàn)ZDT算法的分布式計算；GZDM實現(xiàn)BCS(Browse-Client-Server)結(jié)構(gòu),該結(jié)構(gòu)保證用戶可以通過瀏覽器對網(wǎng)格資源進行操作。第五章詳細分析了GZDM的概念模型、基于VO-BUS的拓撲結(jié)構(gòu)、ZDT算法在