文献类型：期刊文章

作　　者：李华[1] 刘占伟[2] 郭育艳[3]

LI Hua;LIU Zhan-wei;GUO Yu-yan(School of Computer,Henan University of Engineering,Zhengzhou 451191,China;School of Science,Henan University of Engineering,Zhengzhou 451191,China;Department of Scientific Research,Henan University of Economics and Law,Zhengzhou 450046,China)

机构地区：[1]河南工程学院计算机学院,河南郑州451191 [2]河南工程学院理学院,河南郑州451191 [3]河南财经政法大学科研处,河南郑州450046

出　　处：《计算机工程与设计》

基　　金：国家自然科学基金项目(61501174);河南省科技攻关基金项目(182102310767);河南省高等学校重点科研基金项目(19A520017)。

年　　份：2020

卷　　号：41

期　　号：8

起止页码：2238-2244

语　　种：中文

收录情况：BDHX、BDHX2017、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对大数据挖掘和模式识别时基于传统粗糙集理论的属性约简很难使用暴力枚举手段求解的问题,基于MapReduce架构,提出并行粒子群算法与粗糙集理论相结合的数据属性约简算法。建立基于粗糙集理论的数据属性最小约简模型,基于MapReduce并行计算架构,采用并行粒子群算法求解最小约简模型。实验结果表明,相同迭代次数下,相比串行粒子群算法和未采用MapReduce并行架构的并行粒子群算法,提出的4计算节点的并行粒子群算法的平均运行时间分别可降低71.2%和58.13%,对数据集属性的维度压缩分别提高了11.3%和6%以上。

关 键 词：MAPREDUCE 大数据 数据属性约简  并行粒子群算法 粗糙集理论

分 类 号：TP311]