基于云計算平臺Hadoop的聚類神經網絡算法的研究與實現.pdf_第1頁
已閱讀1頁，還剩81頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、隨著互聯網技術的迅猛發(fā)展，推動了互聯網的廣泛應用和普及，行業(yè)應用系統的規(guī)模迅速擴大,行業(yè)應用所產生的數據呈爆炸性增長，促進了云計算技術的誕生和發(fā)展，Apache Hadoop等開源云平臺伴隨著大數據時代的到來而出現，數據分析已經成為企業(yè)決策的重要支撐，如何快速有效地從海量數據中挖掘出有用的信息將顯得十分得迫切和重要了。其中聚類分析和神經網絡算法是數據挖掘的核心技術，傳統的數據挖掘技術由于受到計算機自身性能以及編程模型的約束，無論從效率上

2、，還是從計算復雜度上都已無法滿足海量信息的處理需要，云計算技術的發(fā)展為聚類分析、神經網絡算法提供了新的研究方向[1]，形成云挖掘。
　　本文首先主要研究在Linux操作系統下部署Hadoop集群，創(chuàng)新點是將聚類算法 MapReduce并行化。由于聚類算法比較繁多，本文從 k均值聚類算法入手，按照 MapReduce編程模型將上述算法進行了并行化。并行化后的算法應用在 Hadoop云計算平臺，通過對UCI數據庫的Wine數據集進行文

3、本聚類處理，實驗表明 MapReduce并行化后的K-means聚類算法大大提高了運行速度。
　　然后主要研究在Hadoop YARN上部署Spark集群，創(chuàng)新點是將神經網絡算法在Spark平臺上并行化過程進行設計及實現，本文從BP神經網絡入手，通過任務調度實現任務并行化，通過DAGScheduler，TaskScheduler等進行作業(yè)調度，按照 DAG劃分為不同的Stage，每個 Stage劃分為并發(fā)執(zhí)行的一組 Task（Sh

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論