10.3969/j.issn.1000-386x.2016.06.012
基于MapReduce的DHP算法并行化研究
针对DHP（direct hashing and pruning）算法对大数据挖掘关联规则存在执行时间过长、效率不高的问题，对DHP算法的并行化策略进行了研究。根据云计算平台Hadoop的MapReduce并行编程模型，设计了一种并行DHP算法，给出了算法的总体流程和Map函数、Reduce函数的算法描述。与DHP算法相比，并行算法利用了Hadoop集群强大的计算能力，提高了从大数据集中挖掘关联规则的效率。通过实例分析了并行DHP算法的执行过程，在多个数据集上进行了实验。实验结果表明：并行DHP算法对大数据具有较好的加速比和可扩展性。
MapReduce、Hadoop、DHP算法、关联规则
33
TP311.1(计算技术、计算机技术)
广西高校科学技术研究立项项目LX20 ,14300。
2016-07-15（万方平台首次上网日期，不代表论文的发表时间）
共5页
47-50,91
