10.3969/j.issn.1000-386x.2017.07.049
基于并行Adaboost-BP网络的大规模在线学习行为评价
针对传统的在线学习行为评价方法在处理大规模数据集时面临的问题,提出一种基于并行Adaboost-BP神经网络的在线学习行为评价方法.将BP神经网络作为弱预测器,由Adaboost算法组合15个BP神经网络的输出,构建了强预测器;充分利用了Hadoop平台下MapReduce并行编程模型,提出了大规模在线学习行为的自动评价模型,设计了并行Adaboost-BP神经网络算法的Map和Reduce任务.多组实验表明,提出的算法准确率高、运行耗时少,取得了良好的加速比,效率大于0.5,适合大规模在线学习行为的自动评价.
Adaboost-BP神经网络、在线学习行为、特征提取、MapReduce并行编程模型
34
TP391(计算技术、计算机技术)
山西省自然科学基金项目2013011017-2;山西省高等学校教学改革重点项目J2015099;2014年度忻州师范学院重点学科专项课题XK201308
2017-08-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
267-272