江苏省自然科学基金(BK2010380)
- 作品数：2 被引量：25H指数：2
- 相关作者：王建马廷淮闫永刚冯奇王健更多>>
- 相关机构：南京大学南京信息工程大学更多>>
- 发文基金：江苏省高校优势学科建设工程资助项目江苏省自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- KNN分类算法的MapReduce并行化实现被引量：21
- 2013年
- 为了提高k-nearest neighbor algorithm(KNN)算法处理大数据集的能力,本文利用Map Reduce并行编程模型,同时结合KNN算法自身的特点,给出了KNN算法在Hadoop平台下的并行化实现。通过设计Map、Combine和Reduce 3个函数,实现了KNN算法的并行化。Map函数完成每个测试样本与训练样本之间的相似度计算,Combine函数作为一个本地的Reduce操作,用以减少中间计算量及通信开销,Reduce函数则根据上述函数得到的中间结果计算出k近邻并作出分类判断。实验结果表明:较之以往的单机版方法,在Hadoop集群上实现的并行化KNN算法具有较好的加速比和良好的扩展性。
- 闫永刚马廷淮王建
- 关键词：KNN分类并行计算MAPREDUCE模型HADOOP
- 基于学习策略的动态频谱接入信道选择及系统性能被引量：4
- 2012年
- 为了提高认知无线网络的丢包率和吞吐量性能,运用基于学习策略的动态频谱接入方法感知授权信道.在已知主用户先验信息的条件下,认知用户根据主用户信号忙闲的统计特性,按照空闲状态概率从高到低的顺序依次对目标授权信道进行频谱感知,并接入第1个检测到的空闲信道.针对固定速率和可变速率2种业务类型,分别考察了认知无线网络的丢包率和吞吐量性能.在未知主用户先验统计特性的条件下,认知用户的平均错误预测概率直接影响着系统性能.仿真结果表明,与随机频谱感知性能相比,基于机器学习和预测的频谱感知的丢包率和吞吐量性能均有所提高.认知用户基于学习策略的动态频谱接入信道选择方法可以有效利用频谱空穴,提高系统频带利用率.
- 叶芝慧冯奇王健
- 关键词：认知无线电动态频谱接入信道选择丢包率吞吐量
