10.16451/j.cnki.issn1003-6059.202210007
基于属性树的并行化增量式动态属性约简算法
传统增量算法主要侧重于从更新近似的角度进行属性约简,但在处理大规模数据集时需要评估所有属性并反复计算重要度,提升时间复杂度,降低效率.针对上述问题,文中提出基于属性树的并行化增量加速策略,关键步骤是将所有属性聚类成多棵属性树进行并行化动态属性评估.首先,根据属性树相关性度量选择合适的属性树进行属性评估,降低时间复杂度.再增加分支系数至停止准则中,随着分支深度的增加进行动态增加,可使算法在达到最大阈值后自主跳出循环,有效避免原先的冗余计算,提高效率.基于上述策略,提出基于属性树的增量属性约简算法,同时与Spark并行机制结合,设计基于属性树的并行化增量式动态属性约简算法.在多个数据集上的广泛实验表明,文中算法在保持分类性能的同时,可提高动态变化数据集约简的搜索效率,具有较好的性能优势.
属性约简、属性树、知识粒度、并行计算、增量学习、Spark、框架
35
TP18(自动化基础理论)
国家自然科学基金;国家自然科学基金;国家自然科学基金;江苏省自然科学基金;江苏省双创博士计划;江苏省高等学校自然科学研究重大项目;江苏省高等学校自然科学研究面上项目;南通市科技局基础科学研究项目;南通市科技局基础科学研究项目;中国博士后科学基金;教育部人文社会科学研究项目;江苏省研究生科研与实践创新计划项目
2022-11-24（万方平台首次上网日期，不代表论文的发表时间）
共13页
939-951
