云平台下基于粗糙集的并行增量知识更新算法

• 作者: 张钧波 李天瑞 滕飞 潘毅 罗川
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 云计算 MapReduce 粗糙集 增量学习
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 数据库技术
• 页码范围: 1064-1078
• 页数: 15页
• 分类号: TP311
• 字数: 9034字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.004590

摘要

日益复杂和动态变化的海量数据处理,是当前人们普遍关注的问题,其核心内容之一是研究如何利用已有的信息实现快速的知识更新.粒计算是近年来新兴的一个研究领域,是信息处理的一种新的概念和计算范式,主要用于描述和处理不确定的、模糊的、不完整的和海量的信息,以及提供一种基于粒与粒间关系的问题求解方法.作为粒计算理论中的一个重要组成部分,粗糙集是一种处理不确定性和不精确性问题的有效数学工具.根据云计算中的并行模型MapReduce,给出了并行计算粗糙集中等价类、决策类和两者之间相关性的算法;然后,设计了用于处理大规模数据的并行粗糙近似集求解算法.为应对动态变化的海量数据,结合 MapReduce 模型和增量更新方法,根据不同的增量策略,设计了两种并行增量更新粗糙近似集的算法.实验结果表明,该算法可以有效地快速更新知识;而且数据量越大,效果越明显.