论文摘要
船舶行业数据增长十分迅速,深度挖掘蕴含在大数据中的相关信息,可以有效加强船舶运营的精准化、高效化管理。本文提出一种基于负载平衡的并行FP-growth数据挖掘算法（BPFP-growth）。该算法通过赋予项目TID的方式,对项集树的存储方式进行了改进,基于镜像重构与负载因子完成数据的并行分组,在各自并行分区节点完成相应分组子集的频繁项集的挖掘,通过并集完成全部频繁项集的求解。实验表明,该算法具有较好的可并行性和可扩展性,能够有效实现船舶管理、资源配置等数据的挖掘,进行精准管理,优化资源配置,促进船舶行业高质量发展。
论文目录
文章来源
类型: 期刊论文
作者: 尚弘,徐平平,姚湘
关键词: 船舶管理,大数据,负载平衡,频繁项集
来源: 舰船科学技术 2019年21期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技,经济与管理科学
专业: 公路与水路运输,计算机软件及计算机应用,交通运输经济
单位: 无锡太湖学院江苏省物联网应用技术重点建设实验室,东南大学信息科学与工程学院
基金: 江苏省高校自然科学研究资助项目(18KJB413009),无锡市科技发展创新基金(WX18IBG624)
分类号: F550;TP311.13;U69
页码: 184-187
总页数: 4
文件大小: 1728K
下载量: 37