基于粗糙集的海量数据挖掘算法研究

摘要：

针对传统数据挖掘算法在数据量级方面的局限性，提出在粗糙集理论的基础上，采用类分布链表结构改进传统的基于属性重要性的数据离散化算法、属性约简算法以及基于启发式的值约简算法。讨论了基于动态聚类的两步离散化算法，当算法适应大数据处理之后，采用并行计算的方法提高算法的执行效率。算法测试结果表明，改进算法能有效地处理大数据量，同时并行计算解决了大数据量处理带来的效率问题。

关键词：数据挖掘、粗糙集、大数据处理、并行计算

所属期刊栏目：39

分类号：TN911-34;TQ028.1

在线出版日期：2016-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：115-119