基于 MapReduce 的旋转森林分类器用于癫痫发作预测
分布式、并行与集群计算
2017-12-19 v1
摘要
在这个时代，包括生物医学在内的大数据应用正变得引人关注，因为近年来数据生成和存储不断增加。提取知识的大数据处理变得具有挑战性，因为数据挖掘技术未适应新要求。在本研究中，我们在大数据场景下使用旋转森林分类器分析用于癫痫检测的 EEG 信号。具体而言，MSPCA 用于去噪，WPD 用于特征提取，旋转森林用于在 MapReduce 框架中分类以正确预测癫痫发作。本文提出一种基于 MapReduce 的分布式集成算法用于癫痫发作预测，并使用计算机集群并行地在每个数据集上训练旋转森林。基于 MapReduce 的旋转森林结果表明，所提框架在分类中达到高性能水平的同时显著减少了训练时间。
引用
@article{arxiv.1712.06071,
title = {A MapReduce-based rotation forest classifier for epileptic seizure prediction},
author = {Samed Jukic and Abdulhamit Subasi},
journal= {arXiv preprint arXiv:1712.06071},
year = {2017}
}