基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
K-近邻是一种著名的分类算法.由于简单且易于实现,因此其被广泛应用于许多领域,如人脸识别、基因分类、决策支持等.然而,在大数据环境中,K-近邻算法变得非常低效,甚至不可行.针对这一问题,提出了一种基于哈希技术和MapReduce的大数据集K-近邻分类算法.为了验证算法的有效性,在4个大数据集上进行了实验,结果显示,在保持分类能力的前提下,所提算法可以大幅度地提高K-近邻算法的效率.
推荐文章
基于 LSH和 MapReduce 的近邻模型推荐算法
协同过滤
K-nearest Neighbor
LSH
MapReduce
基于K-近邻树的离群检测算法
离群检测
离群簇
最小生成树
不相似性
K-近邻
MapReduce框架下基于R-树的K-近邻连接算法设计
MapReduce
R-树
云计算
K-近邻连接
基于MapReduce改进K-NN的大数据分类算法研究
大数据
MapReduce
k-近邻算法
临界区域
主成分分析
距离加权
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于哈希技术和MapReduce的大数据集K-近邻算法
来源期刊 计算机科学 学科 工学
关键词 K-近邻 哈希技术 分类算法 大数据集
年,卷(期) 2017,(7) 所属期刊栏目 人工智能
研究方向 页码范围 210-214
页数 5页 分类号 TP181
字数 5649字 语种 中文
DOI 10.11896/j.issn.1002-137X.2017.07.037
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 翟俊海 河北大学数学与信息科学学院 45 256 9.0 12.0
2 王婷婷 河北大学数学与信息科学学院 19 31 4.0 4.0
3 郝璞 河北大学数学与信息科学学院 5 33 2.0 5.0
4 张明阳 河北大学数学与信息科学学院 6 19 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (27)
参考文献  (12)
节点文献
引证文献  (5)
同被引文献  (14)
二级引证文献  (7)
1961(1)
  • 参考文献(0)
  • 二级参考文献(1)
1967(1)
  • 参考文献(1)
  • 二级参考文献(0)
1975(1)
  • 参考文献(1)
  • 二级参考文献(0)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(3)
  • 参考文献(2)
  • 二级参考文献(1)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(3)
  • 参考文献(1)
  • 二级参考文献(2)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(9)
  • 引证文献(3)
  • 二级引证文献(6)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
K-近邻
哈希技术
分类算法
大数据集
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机科学
月刊
1002-137X
50-1075/TP
大16开
重庆市渝北区洪湖西路18号
78-68
1974
chi
出版文献量(篇)
18527
总下载数(次)
68
总被引数(次)
150664
论文1v1指导