基于MapReduce和分布式缓存的KNN分类算法研究
随着大数据时代的到来，K最近邻（KNN）算法较高的计算复杂度的弊端日益凸显。在深入研究了KNN算法的基础上，结合MapReduce编程模型，利用其开源实现Hadoop，提出了一种基于MapReduce和分布式缓存机制的KNN并行化方案。该方案只需要通过Mapper阶段就能完成分类任务，减少了TaskTracker与JobTracker之间的通信开销，同时也避免了Mapper的中间结果在集群任务节点之间的通信开销。通过在Hadoop集群上实验，验证了所提出的并行化KNN方案有着优良的加速比和扩展性。
文件下载
评论信息
其他资源
- 武大+上科大+声学所——通信/信号保研面试真题.pdf
- python项目数据分析--人口普查
- VS2019(防闪退 win7可安装 免激活码 最新版).zip
- FPGA+CortexM3产生带死区的PWM信号
- Matlab人脸识别程序
- labview频谱分析设计 的毕业设计
- BP神经网络训练过程（详细）
- iOS demo SM2，SM4 加密算法，SM2+SM3签名
- robomaster自动识别开源
- Conceptual Wavelets in Digital Signal Processing
- Qt俄罗斯方块（简洁易懂）
- 镜头畸变校正算法
- EN50129铁路应用-通信、信号、处理系统-信号用安全相关电子系统 中文文档
- UtilsDate.java
- zaurus_SL_C1000.zip
- 汽车尾灯课程设计报告
- 312_On-demand-paging_LLiss.pdf
- 《核舟记》ppt精选课件.ppt
- 奥本海姆《信号与系统》课件
- jsp导出Excel；简单实用！导出Excel；导出Word
- 音乐播放工具类
- 广度优先搜索 matlab
- 天文算法英文版——jean meeus
- c#实现推箱子游戏 推箱子代码
- IDRISI软件培训上机实习教程
- mysql-connector-java-5.1.46.jar
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明