基于并行Adaboost-BP网络的大规模在线学习行为评价

• 作者: 曹建芳 郝耀军
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: Adaboost-BP神经网络 在线学习行为 特征提取 MapReduce并行编程模型
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 算法
• 页码范围: 267-272
• 页数: 6页
• 分类号: TP391
• 字数: 5511字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.07.049

摘要

针对传统的在线学习行为评价方法在处理大规模数据集时面临的问题,提出一种基于并行Adaboost-BP神经网络的在线学习行为评价方法.将BP神经网络作为弱预测器,由Adaboost算法组合15个BP神经网络的输出,构建了强预测器;充分利用了Hadoop平台下MapReduce并行编程模型,提出了大规模在线学习行为的自动评价模型,设计了并行Adaboost-BP神经网络算法的Map和Reduce任务.多组实验表明,提出的算法准确率高、运行耗时少,取得了良好的加速比,效率大于0.5,适合大规模在线学习行为的自动评价.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹建芳	忻州师范学院计算机科学与技术系	54	160	7.0	9.0
2	郝耀军	忻州师范学院计算机科学与技术系	19	56	5.0	7.0