%0 Journal Article
%T 云平台下基于粗糙集的并行增量知识更新算法
%A 张钧波？
%A 李天瑞？
%A 潘毅？
%A 罗川？
%A 滕飞？
%J 软件学报
%P 1064-1078
%D 2015
%R 10.13328/j.cnki.jos.004590
%X 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.
%K 云计算
%K mapreduce
%K 粗糙集
%K 增量学习
%U http://www.jos.org.cn/ch/reader/view_abstract.aspx?file_no=4590&flag=1