| 基于属性树的并行化增量式动态属性约简算法 |
| |
| 引用本文： | 秦廷桢,丁卫平,鞠恒荣,李铭,黄嘉爽,陈悦鹏,王海鹏.基于属性树的并行化增量式动态属性约简算法[J].模式识别与人工智能,2022(10):939-951. |
| |
| 作者姓名： | 秦廷桢 丁卫平 鞠恒荣 李铭 黄嘉爽 陈悦鹏 王海鹏 |
| |
| 作者单位： | 南通大学信息科学技术学院 |
| |
| 基金项目： | 国家自然科学基金项目（No.61976120,62006128,62102199）；;江苏省自然科学基金项目（No.BK20191445）；;江苏省高等学校自然科学研究重大项目（No.21KJA510004）；;江苏省高等学校自然科学研究面上项目（No.20KJB520009）；;中国博士后科学基金项目（No.2022M711716）；;教育部人文社会科学研究青年基金项目（No.21YJCZH013）；;江苏省研究生科研与实践创新计划（No.SJCX21＿1446）资助~~； |
| |
| 摘 要： | 传统增量算法主要侧重于从更新近似的角度进行属性约简，但在处理大规模数据集时需要评估所有属性并反复计算重要度，提升时间复杂度，降低效率.针对上述问题，文中提出基于属性树的并行化增量加速策略，关键步骤是将所有属性聚类成多棵属性树进行并行化动态属性评估.首先，根据属性树相关性度量选择合适的属性树进行属性评估，降低时间复杂度.再增加分支系数至停止准则中，随着分支深度的增加进行动态增加，可使算法在达到最大阈值后自主跳出循环，有效避免原先的冗余计算，提高效率.基于上述策略，提出基于属性树的增量属性约简算法，同时与Spark并行机制结合，设计基于属性树的并行化增量式动态属性约简算法.在多个数据集上的广泛实验表明，文中算法在保持分类性能的同时，可提高动态变化数据集约简的搜索效率，具有较好的性能优势.
|
| 关 键 词： | 属性约简 属性树 知识粒度 并行计算 增量学习 Spark框架 |
|
|
