BP-AdaBoost分类算法的MapReduce并行化实现

• 作者: 李双 李杨 杨宝华
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 云计算 BP-AdaBoost MapReduce 海量数据 Hadoop集群
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 算法
• 页码范围: 261-264
• 页数: 4页
• 分类号: TP301.6
• 字数: 4115字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2014.08.065

摘要

在面对海量数据分类问题时,时间和空间复杂性已成为传统算法的瓶颈.在对传统的BP-AdaBoost算法进行分析的基础上,结合云计算平台,给出传统BP-AdaBoost算法的MapReduce并行化方法.Map函数完成每个弱分类器预测误差B的计算与重新标记,Reduce函数根据Map函数得到的中间结果合并计算出平均误差,供下一轮MapReduce计算任务使用.将改进后的算法部署在Hadoop集群上,能够实现高效并行的海量数据强分类.并通过集群上的三个对比实验,验证了该算法的可行性,它不仅能处理海量数据,而且降低了算法的时间复杂度,具有较好的加速比和准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨宝华	安徽农业大学农业信息学安徽省重点实验室	37	153	6.0	11.0
2	李杨	安徽农业大学信息与计算机学院	6	32	3.0	5.0
3	李双	安徽农业大学信息与计算机学院	2	4	1.0	2.0