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
- SC031GS设计应用指南_for DVP.pdf
- 高斯消元法并行MPI解线性方程
- 东北大学计算机专业操作系统课程设计
- 交通流元胞自动机matlab仿真代码
- PCA降维+分类器 python语言写的
- 2020中国各省市县行政区域代码js
- 计算机科学概论（第11版）- 问题与练习答案 2
- symbol.ttf
- 关关采集器6.0.1.0 支持图片采集
- 一键清除firefox cookie和缓存插件
- PL400认证考试题库.docx
- Python学习资源.xmind
- Hardware offloads-Mellanox.pdf
- 基于空间几何变换的人脸对齐(Matlab内置函数
- SAP GUI 760 patch 04
- zigbee之串口通信
- C#.net中树型目录编写的点菜系统
- 哈工程计算机考研复试数据库
- SQL Server 2005 查看数据库表的大小 按照表大小排列
- Bootstrap Ace模板 tab页效果
- 变电站操作票系统
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