Hadoop下负载均衡的频繁项集挖掘算法研究-计算机应用与软件.PDFVIP

Hadoop下负载均衡的频繁项集挖掘算法研究-计算机应用与软件.PDF

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Hadoop下负载均衡的频繁项集挖掘算法研究-计算机应用与软件.PDF

第33卷第5期    计算机应用与软件 Vol33No.5 6 2016年5月   ComputerApplicationsandSoftware May201 Hadoop下负载均衡的频繁项集挖掘算法研究 朱文飞 齐建东 洪剑珂 (北京林业大学信息学院 北京 100083) 摘 要  频繁项集挖掘FIM(FrequentItemsetsMining)是关联规则挖掘算法的重要组成部分。而经典Apriori和FPGrowth算法在 海量数据处理时面临内存占用、计算性能等方面的瓶颈。基于Hadoop云计算平台,提出适用大数据处理的频繁项集挖掘HBFP (HighBalancedparallelFPgrowth)算法,设计后缀模式转换的数据分割及均衡任务分组方案,使计算节点本地拥有计算所依赖的数 据,实现不同节点相互独立的并行数据挖掘方法,并保证算法全局的负载均衡特性。实验数据表明,HBFP算法能均匀地将计算量 分散至不同计算节点,并行且相互独立地进行FPGrowth挖掘过程,算法效率提高了约12%,算法全局稳定性及效率取得提升。 关键词  频繁项集挖掘 FPGrowth算法 Hadoop 并行计算 中图分类号 TP311    文献标识码 A    DOI:10.3969/j.issn.1000386x.2016.05.010 RESEARCHONLOADBALANCEDFREQUENTITEMSETSMINING ALGORITHMBASEDONHADOOP ZhuWenfei QiJiandong HongJianke (SchoolofInformation,BeijingForestryUniversity,Beijing100083,China) Abstract  Frequentitemsetsmining(FIM)isanimportantcomponentofassociationrulesminingalgorithms.However,classicalApriori andFPGrowthalgorithmsfacethebottleneckofmemoryoccupationandcomputationperformancewhenprocessingmassivedata.Basedon Hadoopcloudcomputingplatform,weproposedtheHBFPalgorithmoffrequentitemsetsminingapplicableforbigdataprocessing,and designedthedatapartitioningwithsuffixmodeconversionandthebalancedtasksgroupingscheme.Thismakesthenodespossesslocallythe datarelyedonbythecomputationandrealisestheparalleldataminingmethodwithdifferentnodesindependenteachother,andensuresthe globalloadbalancingcharacteristicofthealgorithm.ExperimentaldataindicatedthattheHBFPalgorithmcoulddistributethecalculationload todifferentcomputationnodeuniformlyandrunFPGrowthminingprogressparallellyandmutualindependently.Theefficiencyofthe algorithmraisedabout12%,andtheglob

文档评论(0)

shiyouguizi + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档