基于增量式学习的海量数据流实时预处理模型

• 作者: 庄俊 陈丹伟 陈豪
• 来源期刊: 南京邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 海量数据 增量式 实时预处理 贝叶斯网络
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 云计算与大数据专题
• 页码范围: 7-12
• 页数: 6页
• 分类号: TP311
• 字数: 5286字
• 语种: 中文

摘要

针对海量数据环境下对数据流预处理实时性和高效性的需求,文中提出了一种大规模数据环境下的数据流实时预处理模型,基于MMHC(Max-Min Hill-Climbing)并运用增量式学习的方式改进贝叶斯网络模型的构建过程,提升预处理模型的有效性,同时也减少了因模型更新所消耗的时间,在一定程度上防止了数据的积压,支持网络结构的动态更新,适用于更复杂的数据环境.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈丹伟	南京邮电大学计算机学院	61	582	12.0	22.0
2	陈豪	南京邮电大学计算机学院	3	2	1.0	1.0
3	庄俊	南京邮电大学计算机学院	1	2	1.0	1.0