学位论文 > 优秀研究生学位论文题录展示

分布式格属性挖掘研究

作　者: 马宝辉
导　师: 许建潮
学　校: 长春工业大学
专　业: 计算机应用技术
关键词: 分布式数据挖掘概念格格属性挖掘多概念格合并
分类号: TP311.13
类　型: 硕士论文
年　份: 2010年
下　载: 24次
引　用: 0次
阅　读: 论文下载

内容摘要

数据挖掘自从诞生到发展,再到日益成熟,都是国内外人工智能与知识发现的研究学者所热衷的课题方向,而在这些研究当中,大部分都是基于单一非分布式环境来进行数据挖掘,随着数据量的急速增大,挖掘的效率如何能保持较高的水平,也是充满挑战的工作。另一方面,目前国内的很多企业的数据并不是集中存储的,而是分布在各个地区、’分部当中。本论文的主要议题便是分布式数据挖掘,所以如何实现分布成为论文的主要内容。由于分布式系统中各个子结点中挖掘出来的数据,即各个子节点中的规则,在全局系统中并不一定适用,针对于这种在单个子结点中的频繁集在全局中并不一定频繁,反之,全局频繁集在各个子结点中不一定频繁的问题,采用了格理论,来解决分布式挖掘过程中的关键问题。基于格的良好数学特性,能够很好的处理分布式并行计算,所以,选择格作为处理此类问题的一种方法工具,解决了分布式数据挖掘所遇到的瓶颈,达到了将具体问题分布处理,提高效率的效果,因此本文重点论证分布式环境中基于格的属性约简方法。论文由以下几点构成：分布式数据挖掘产生的背景,以及分布式数据挖掘理论,由于格的并行计算能力很强,对格理论做了一定的阐述。详细的介绍了格理论,格属性约简理论,这其中包括了形式背景理论、超关系理论以及序和格理论。分析了分布式概念格合并的研究现状,包括自顶向下的Bordat算法、自底向上的Chein的算法以及渐进式增量算法Godin。对于分布式格属性挖掘理论,从某种程度上看是形式背景的分布式处理,对于分布式形式背景处理可以归纳为形式背景的叠值和并置,在本文中,详细的阐述了形式背景的叠值和并置算法,为概念格的分布式处理提供了强有力的依据。通过具体的实验,由分布式数据库Database A、Database B分别对概念格合并算法的两种形式(外延一致,内涵独立和内涵一致,外延独立)进行算法实现和分析,并且对于改进Godin算法的UpdateMCL算法在更新子概念格上增加了Flag标记位,缩减了更新子数据集,虽然在个别子节点上的精确度有略微下降,但是对于时间性能、效率上,有一定提升,并且在精确度和效率中找到新的平衡点。

全文目录

摘要  2-3
Abstract  3-6
第一章绪论  6-9
  1.1 分布式数据挖掘产生背景  6
  1.2 分布式数据挖掘理论及其应用  6-7
  1.3 概念格理论及分布并行处理  7-8
  1.4 本文的研究内容  8-9
第二章分布式格理论基础及研究现状  9-15
  2.1 格的基础理论  9-10
  2.2 概念格属性约简基础理论  10-13
  2.3 分布式概念格构造研究现状  13-15
第三章基于格的分布式约简合并运算  15-22
  3.1 形式背景的分布处理  15-16
  3.2 概念格的分布处理  16-21
  3.3 本章小结  21-22
第四章概念格合并的算法研究  22-33
  4.1 外延一致,内涵独立概念格合并  22-25
  4.2 U_(PDATE)MCL算法实现及分析  25-26
  4.3 内涵一致,外延独立概念格合并  26-29
  4.4 实验评价  29-31
  4.5 结论  31-33
结束语  33-34
致谢  34-35
参考文献  35-38
攻读硕士学位期间研究成果  38-39

分布式格属性挖掘研究

内容摘要

全文目录

相似论文