基于分布式数据仓库的分类分析研究

• 作者: 张阳 李伟卫 李梅 申爱丽
• 来源期刊: 计算机应用研究
• 关键词: 数据挖掘 分布式数据仓库 分类分析 GAC-RDB Hadoop HBase Hive
• 年，卷（期）: 2013,（10）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2936-2939,2943
• 页数: 5页
• 分类号: TP316.4
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2013.10.013

摘要

针对GAC-RDB分类算法只能应用于单机版数据仓库的局限性, 为了能够更方便、快捷地在云计算平台上开展数据挖掘工作, 基于分布式数据仓库HBase, 结合GAC-RDB分类算法的实现机理, 制定适合分布式平台的运行策略, 使用原生HiveQL语言提出了一种分布式GAC-RDB分类算法。实验显示, 随着集群中节点的不断增加, 算法的运行时间稳步下降。结果表明, 在保证算法准确率的前提下, 分布式数据仓库能够有效提高GAC-RDB分类算法的扩展性和运行效率, 相对于MapReduce框架, HiveQL语言降低了对数据挖掘从业人员的技术要求, 更大程度地减少了算法的开发时间, 为挖掘海量数据提供了新的解决方案。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张阳	西北农林科技大学信息工程学院	47	232	6.0	13.0
2	李梅	西北农林科技大学信息工程学院	25	93	6.0	9.0
3	李伟卫	西北农林科技大学信息工程学院	4	121	3.0	4.0
4	申爱丽	西北农林科技大学信息工程学院	1	25	1.0	1.0