文献类型：期刊文章

作　　者：米允龙[1,2] 李金海[1] 刘文奇[1] 林晶[2,3]

机构地区：[1]昆明理工大学理学院,云南昆明650500 [2]怀化学院计算机科学与工程学院,湖南怀化418000 [3]武陵山片区生态农业智能控制技术湖南省重点实验室,湖南怀化418000

出　　处：《电子学报》

基　　金：国家自然科学基金(No.61305057;No.61562050;No.61573173)

年　　份：2018

卷　　号：46

期　　号：2

起止页码：289-297

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：针对经典的概念学习算法难以处理大规模数据集的问题,本文提出一种基于MapReduce框架的粒概念认知学习并行算法.该算法借鉴认知心理学的知觉和注意认知思想,并融合粒计算的粒转移原理.首先构建适应大数据环境的粒概念并行求解算法,并与经典粒概念构造算法做了对比,在此基础上分别从外延和内涵角度建立了粒概念认知计算系统,然后对给定对象集或属性集进行认知概念学习.实验结果表明,该并行算法是有效的,适合海量数据的粒概念认知学习.

关 键 词：概念格 概念学习  认知计算  粒计算 MAPREDUCE

分 类 号：TP18]