模糊多准则决策方法在大数据分类中的研究
发布时间：2021-06-01 00:53
数据挖掘是大数据中重要的一部分,而分类是数据挖掘的核心技术之一。随着近年来研究的进行,有创新性的分类算法越来越多,而且这些算法正广泛地应用于大数据处理中。对于一些大数据处理任务,往往有几种甚至几十种相关的分类算法可供研究者选择,从这些算法中如何选择出适合的算法,是数据挖掘领域中公认的重要问题。另外,分类算法运行过程是否可靠、运行是否有效率等问题,也很难得到检验。基于以上原因,本文对特定数据环境下分类算法的选择问题进行了研究,具体内容如下:（1）介绍和分析了多准则决策（MCDM）、模糊集、模糊多属性决策（FMADM）的方法、聚合算子、分类算法以及分类算法的评价指标等关键技术,结合聚合算子对MCDM方法进行了改进,使之适合模型评价的环境。并对K近邻算法、神经网络算法、贝叶斯网络算法、C4.5算法、CPAR算法等基本分类算法进行了相应的研究。（2）利用模糊集理论改进了K近邻算法,并通过算法评价模型对模糊K近邻（FKNN）算法进行评价。引入模糊集的基本概念,对K近邻算法进行改进,在传统的K近邻分类算法的基础上,引入了模糊集理论,并结合了模糊C-means算法。利用隶属度的计算代替欧氏距离的计算...
【文章来源】：齐鲁工业大学山东省
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 引言
1.2 研究的目的和意义
1.3 目前国内外研究现状
1.4 研究内容及主要工作
1.5 论文结构安排
1.6 本文创新点
第2章 相关理论研究
2.1 模糊多准则决策的相关研究
2.1.1 模糊理论
2.1.2 多准则决策
2.1.3 多属性决策
2.1.4 模糊多属性决策
2.2 聚合算子的研究
2.3 分类算法
2.4 分类算法的评价指标
2.5 本章小结
第3章 模糊K近邻算法的改进与评价
3.1 K近邻算法概述
3.1.1 传统K近邻算法
3.1.2 模糊K近邻算法
3.2 改进的模糊K近邻算法
3.3 基于模糊多准则决策的算法评价方案
3.4 实验结果与评价
3.5 本章小结
第4章 基于Hadoop的分类算法并行化
4.1 分布式计算框架Hadoop
4.1.1 分布式文件系统
4.1.2 分布式计算模型MapReduce
4.2 改进算法的并行化设计思想
4.3 实验与结果
4.3.1 实验平台搭建
4.3.2 其他分类算法选择与实验数据
4.3.3 实验结果及其处理
4.4 本章小结
第5章 基于模糊多准则决策方法的大数据分类算法评价
5.1 大数据分类算法评价方案
5.2 基于层次分析法的分类算法评价
5.3 基于TOPSIS法的分类算法评价
5.4 基于MSM算子的分类算法评价
5.4.1 MSM算子的研究
5.4.2 基于MSM算子的多属性决策方法
5.5 二次评价结果
5.6 本章小结
第6章 总结与展望
6.1 总结
6.2 有待进一步解决的问题
参考文献
致谢
在学期间主要科研成果
一、发表学术论文
二、其他科研成果
附录
【参考文献】：
期刊论文
[1]基于MapReduce的GA-BP神经网络算法并行化设计及实现[J]. 杨婉婧,邢洪嘉,曹建芳. 软件导刊. 2017(07)
[2](语言)Heronian平均算子及其决策应用[J]. 刘卫锋,常娟,杜迎雪. 中国管理科学. 2017(04)
[3]基于Hadoop的高可靠分布式计算平台的构建[J]. 李晓东,叶思水. 北京电子科技学院学报. 2014(02)
[4]基于Hadoop的C4.5决策树分类算法并行化[J]. 林树地,吴扬扬. 微型机与应用. 2013(12)
[5]基于改进K-means聚类的kNN故障检测研究[J]. 陈海彬,郭金玉,谢彦红. 沈阳化工大学学报. 2013(01)
[6]模糊Bonferroni平均算子及在多准则群决策中的应用[J]. 刘金培,林盛,陈华友. 系统工程与电子技术. 2012(01)
[7]模糊多准则决策方法研究综述[J]. 王坚强. 控制与决策. 2008(06)
[8]快速发现关联规则挖掘算法的并行化方法[J]. 陆楠,陆春一,周春光. 深圳大学学报. 2005(04)
[9]基于支持向量机的图像语义分类(英文)[J]. 万华林,Morshed U.Chowdhury. 软件学报. 2003(11)
博士论文
[1]基于多目标决策的数据挖掘方法评估与应用[D]. 邬文帅.电子科技大学 2015
硕士论文
[1]基于C-MCMC和MapReduce的并行贝叶斯网络分类器研究[D]. 李文华.太原理工大学 2017
本文编号：3209324
【文章来源】：齐鲁工业大学山东省
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 引言
1.2 研究的目的和意义
1.3 目前国内外研究现状
1.4 研究内容及主要工作
1.5 论文结构安排
1.6 本文创新点
第2章 相关理论研究
2.1 模糊多准则决策的相关研究
2.1.1 模糊理论
2.1.2 多准则决策
2.1.3 多属性决策
2.1.4 模糊多属性决策
2.2 聚合算子的研究
2.3 分类算法
2.4 分类算法的评价指标
2.5 本章小结
第3章 模糊K近邻算法的改进与评价
3.1 K近邻算法概述
3.1.1 传统K近邻算法
3.1.2 模糊K近邻算法
3.2 改进的模糊K近邻算法
3.3 基于模糊多准则决策的算法评价方案
3.4 实验结果与评价
3.5 本章小结
第4章 基于Hadoop的分类算法并行化
4.1 分布式计算框架Hadoop
4.1.1 分布式文件系统
4.1.2 分布式计算模型MapReduce
4.2 改进算法的并行化设计思想
4.3 实验与结果
4.3.1 实验平台搭建
4.3.2 其他分类算法选择与实验数据
4.3.3 实验结果及其处理
4.4 本章小结
第5章 基于模糊多准则决策方法的大数据分类算法评价
5.1 大数据分类算法评价方案
5.2 基于层次分析法的分类算法评价
5.3 基于TOPSIS法的分类算法评价
5.4 基于MSM算子的分类算法评价
5.4.1 MSM算子的研究
5.4.2 基于MSM算子的多属性决策方法
5.5 二次评价结果
5.6 本章小结
第6章 总结与展望
6.1 总结
6.2 有待进一步解决的问题
参考文献
致谢
在学期间主要科研成果
一、发表学术论文
二、其他科研成果
附录
【参考文献】：
期刊论文
[1]基于MapReduce的GA-BP神经网络算法并行化设计及实现[J]. 杨婉婧,邢洪嘉,曹建芳. 软件导刊. 2017(07)
[2](语言)Heronian平均算子及其决策应用[J]. 刘卫锋,常娟,杜迎雪. 中国管理科学. 2017(04)
[3]基于Hadoop的高可靠分布式计算平台的构建[J]. 李晓东,叶思水. 北京电子科技学院学报. 2014(02)
[4]基于Hadoop的C4.5决策树分类算法并行化[J]. 林树地,吴扬扬. 微型机与应用. 2013(12)
[5]基于改进K-means聚类的kNN故障检测研究[J]. 陈海彬,郭金玉,谢彦红. 沈阳化工大学学报. 2013(01)
[6]模糊Bonferroni平均算子及在多准则群决策中的应用[J]. 刘金培,林盛,陈华友. 系统工程与电子技术. 2012(01)
[7]模糊多准则决策方法研究综述[J]. 王坚强. 控制与决策. 2008(06)
[8]快速发现关联规则挖掘算法的并行化方法[J]. 陆楠,陆春一,周春光. 深圳大学学报. 2005(04)
[9]基于支持向量机的图像语义分类(英文)[J]. 万华林,Morshed U.Chowdhury. 软件学报. 2003(11)
博士论文
[1]基于多目标决策的数据挖掘方法评估与应用[D]. 邬文帅.电子科技大学 2015
硕士论文
[1]基于C-MCMC和MapReduce的并行贝叶斯网络分类器研究[D]. 李文华.太原理工大学 2017
本文编号：3209324
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3209324.html
