基于Globus的決策樹分類系統(tǒng)研究與實現(xiàn).pdf

1、隨著信息化程度的提高，在人類社會的各個領(lǐng)域聚集了大量甚至是海量的數(shù)據(jù)，數(shù)據(jù)挖掘就是要從這些數(shù)據(jù)中提取有用的信息，從上世紀(jì)80年代末以來人們對數(shù)據(jù)挖掘模型、算法、系統(tǒng)進(jìn)行了大量的研究，并取得了一定的成果，為了提高算法的效率，并行和分布式數(shù)據(jù)挖掘一直是研究的重點，但面臨很多挑戰(zhàn)，比如：數(shù)據(jù)的海量、異構(gòu)、分布、計算密集；知識表達(dá)形式不夠豐富；挖掘工具和環(huán)境缺乏等，網(wǎng)格技術(shù)的出現(xiàn)在一定程度上為解決這些問題提供了幫助。 Cannataro

2、 Mario提出下一代網(wǎng)格的研究應(yīng)主要致力于為用戶提供知識服務(wù)。近年來，關(guān)于在網(wǎng)格上提供知識服務(wù)漸漸成為了研究的熱點，并取得了很多重要成果，這些項目著重于在網(wǎng)格上實現(xiàn)知識發(fā)現(xiàn)服務(wù)的整體架構(gòu)，而對利用網(wǎng)格服務(wù)來實現(xiàn)并行分布式數(shù)據(jù)挖掘算法很少提及，要在網(wǎng)格上進(jìn)行知識發(fā)現(xiàn)，就不得不涉及到數(shù)據(jù)挖掘的算法，目前對可并行性算法利用網(wǎng)格服務(wù)來實現(xiàn)研究比較少。針對這種情況，論文采用網(wǎng)格系統(tǒng)中間件實現(xiàn)工具包Globus Toolkit Version 4

3、按照網(wǎng)格服務(wù)的方式實現(xiàn)并行決策樹分類算法SPRINT。采用該方式有以下優(yōu)點：(1)擴(kuò)展性好，因為采用網(wǎng)格服務(wù)的方式實現(xiàn)，只須將算法相關(guān)的網(wǎng)格服務(wù)部署在參與計算的網(wǎng)格節(jié)點，增加參與計算的新節(jié)點較容易；(2)可復(fù)用，使用標(biāo)準(zhǔn)的網(wǎng)格服務(wù)，能很好的被其他網(wǎng)格應(yīng)用集成；(3)充分利用網(wǎng)格資源，SPRINT算法固有的可并行性，在網(wǎng)格上實現(xiàn)該算法可以充分利用虛擬組織內(nèi)的網(wǎng)格節(jié)點的計算能力，提高基于網(wǎng)格的知識發(fā)現(xiàn)服務(wù)速率。 論文首先對數(shù)據(jù)挖掘相

4、關(guān)概念及決策樹分類算法進(jìn)行介紹，詳細(xì)分析了論文將要以網(wǎng)格服務(wù)的方式實現(xiàn)的并行決策樹分類算法SPRINT。 隨后，論文對網(wǎng)格及網(wǎng)格計算相關(guān)內(nèi)容進(jìn)行簡要介紹，對目前主流的幾種網(wǎng)格體系結(jié)構(gòu)進(jìn)行了詳細(xì)分析，并對其中的五層沙漏結(jié)構(gòu)和開放網(wǎng)格服務(wù)架構(gòu)的優(yōu)缺點進(jìn)行了比較，并簡要介紹分析了基于OGSA按照WSRF規(guī)范實現(xiàn)的網(wǎng)格中間件工具包GT4的各個功能部件。 最后，采用GT4，按照網(wǎng)格服務(wù)的方式設(shè)計實現(xiàn)并行分布式?jīng)Q策樹分類算法SPRI