欢迎来到天天文库
浏览记录
ID:33079588
大小:2.14 MB
页数:63页
时间:2019-02-20
《mapreduce与量子进化算法的研究及应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得宝徼穴錾或其他教育机构的学位或证书而使用过的材料.与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意.学位论文作者签名:划掘范签字日期:刃压年』月M日学位论文版权使用授权书本学位论文作者完全了解室微犬孕有关保留、使用学位论文的规定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅.
2、本人授权安徽走譬可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印,缩印或扫描等复制手段保存、汇编学位论文.(保密的学位论文在解密后适用本授权书)学雠文储始划学犯锄张锄山签字日期:扫肛年,月2P日签字日期:加f>年厂月诸日学位论文作者毕业去向:工作单位:电话:通讯地址:邮编:摘要21世纪是一个信息化的时代,信息以及数据快速增长,这对计算能力提出了更高的要求,云计算在此环境下应运而生,它带来了新的变革。云计算是一种商业计算模型,它将计算任务分布在大量计算机构成的资源池上,使各种应用系统能够根据需要获取计算
3、力、存储空间和信息服务。云计算是分布式计算、网格计算和并行计算的进一步发展,提供了一种更为有效的并行模型,因此如何将现有的并行算法应用于云计算中成为研究的主要内容。编写云平台下的并行化程序不同于以往单机环境下的并行程序,以往的并行化实现主要是基于多线程,且局限于单机内。而云计算环境下的并行化注重多机间,甚至是机器集群间的并行化,而且云环境的搭建都是基于普通的计算机。它主要是将大任务划分为多个小任务,然后分配给计算机集群来执行的,这大大降低了成本。数据挖掘领域常常受到海量数据的困扰,如果将云计算引入数据挖掘领域,必然会带
4、来一场新的变革。MapReduce模型是谷歌在2004年提出的,是其开发的在超大集群下进行海量数据计算的一种编程模式,主要被用来处理信息量大且需要在可接受时间内完成的任务。目前MapReduce模型已被用来解决数据挖掘与机器学习中的一些问题了。量子进化算法近年来也开始受到广大研究者的关注,量子进化算法具有天然的并行性,非常适合在大规模并行平台上实现,而云平台为量子进化算法并行性的实现奠定了物质基础。覆盖算法是由张铃教授提出的可以解决数据挖掘中分类问题的算法,它是一种构造性的神经网络学习算法,采用的是M.P神经元的几何意
5、义。覆盖算法实质上是将求出的覆盖领域作为三层神经网络的隐含层,输入层看做测试集,输出层看做测试集的分类结果。目前覆盖算法已得到了广泛的推广。本文利用量子进化算法的天然并行性及云平台的优越性,在云平台上实现了量子进化算法,结果显示,在云平台下该算法可以达到更好的并行效率。为了进一步研究量子进化算法的性能,本文结合量子进化算法种群规模小,收敛速度快,全局寻优性能强等特点,将其用于覆盖算法,优化覆盖中心,采用适应度来评价解的优劣,提出了一种改进的量子优化覆盖算法,利用五组数据进行分析对比,MapRcducc与量子进化算法的研
6、究及应用表明本文提出的改进算法可以有效地提高分类的精度和效率。最后,利用MapReduee模型的并行平台实现了对淘宝网数据信息的处理和检索。关键词:云计算;并行算法:量子进化算法;覆盖算法Abstract21stcenturyisarteFaofinformation,informationanddatagrowrapidly,thisisahigherdemandonourcomputingpower,cloudcomputingcameintobeinginthisenvironment,IthasbroughtU
7、Sanewchange.Cloudcomputingisacommercialcalculationmodel,inthismodel,thecomputingtasksaredistributedinapoolofalargenumberofcomputerresources,anditmakesallkindsofapplicationsystemcanacquirecomputingpower,storagespaceandinformationservicesaccordingtotheneed.Cloudco
8、mputingisthef-RFtherdevelopmentofdistributedcomputing,gridcomputingandparallelcomputing,ithasgivenUSamoreefficientparallelmodel,SOhowtoputtheexistingparallelalgorithm
此文档下载收益归作者所有