[发明专利]一种基于Hadoop的并行k近邻分类方法无效
| 申请号： | 201210071445.X | 申请日： | 2012-03-19 |
| 公开（公告）号： | CN102622446A | 公开（公告）日： | 2012-08-01 |
| 发明（设计）人： | 高阳;杨育彬;王灵江;商琳 | 申请（专利权）人： | 南京大学;南京大学江阴信息技术研究院 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 夏雪 |
| 地址： | 210046 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于Hadoop的并行k近邻分类方法，包括如下步骤：数据预处理；在Hadoop各个节点的Mapper端并行计算一个测试数据与位于该节点的训练数据的距离；在所述Mapper端用选择算法确定该测试数据的局部k近邻数据，将所有局部k近邻数据发送到Hadoop各个节点的Reducer端；在所述Reducer端接收该测试数据的所有局部k近邻数据，用选择算法确定全局k近邻数据；利用所述全局k近邻数据对该测试数据进行分类，得到该测试数据的分类结果；重复执行，得到所有测试数据的分类结果。本发明能够有效地解决海量数据的分类问题，大大提高分类的速度。 | ||
| 搜索关键词： | 一种 基于 hadoop 并行 近邻 分类 方法 | ||
【主权项】：
一种基于Hadoop的并行k近邻分类方法，包括如下步骤：(1)数据预处理；(2)在Hadoop平台各个节点的Mapper端并行计算一个测试数据与位于该节点的训练数据的距离；(3)在所述Mapper端用选择算法确定该测试数据的局部k近邻数据，将所有局部k近邻数据发送到Hadoop各个节点的Reducer端；(4)在所述Reducer端接收该测试数据的所有局部k近邻数据，用选择算法确定全局k近邻数据；(5)利用所述全局k近邻数据对该测试数据进行分类，得到该测试数据的分类结果；(6)重复执行步骤(2)至(5)，得到所有测试数据的分类结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京大学;南京大学江阴信息技术研究院，未经南京大学;南京大学江阴信息技术研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201210071445.X/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于CoMP的终端接入多小区的方法和系统
- 下一篇：一种计时水滴漏
