基于Spark深度感知决策树的恒星/星系分类应用研究

• 作者: 王俊义 符杰林 郑霖 黄智昌
• 来源期刊: 计算机应用研究
• 关键词: Spark 深度学习 决策树 并行化 恒星/星系 分类
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 系统应用开发
• 页码范围: 765-768,804
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.03.029

摘要

针对传统决策树分类算法需要依靠人工构造特征才能实现对数据进行分类的问题,以及其在处理海量天文数据时所面临的处理速度和资源分配瓶颈问题,结合深度学习强大的特征学习能力和Spark高效的数据处理性能,提出了一种基于Spark平台的深度感知决策树并行化算法,并将其应用于天文恒星/星系分类问题中.研究结果表明,该算法具有很好的可伸缩性,可以通过增加Spark集群计算节点的数量,来减少分类模型所需的训练时间和增强其对海量天文数据的处理能力.并且,其因同时具备强大的特征学习和分类能力而在恒星星系分类问题上可以获得比传统决策树更高的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	符杰林	桂林电子科技大学广西无线宽带通信与信号处理重点实验室	43	151	5.0	11.0
2	王俊义	桂林电子科技大学广西密码学与信息安全重点实验室	46	193	5.0	12.0
3	郑霖	桂林电子科技大学认知无线电与信息处理教育部重点实验室	70	176	6.0	9.0
7	黄智昌	桂林电子科技大学认知无线电与信息处理教育部重点实验室	3	8	1.0	2.0