國家農(nóng)作物種質資源數(shù)據(jù)庫數(shù)據(jù)挖掘平臺研究.pdf

1、國家農(nóng)作物種質資源數(shù)據(jù)庫擁有200種作物、41萬份種質信息、2400萬個數(shù)據(jù)項值，數(shù)據(jù)量達230GB，是世界上最大的植物種質資源數(shù)據(jù)庫之一。隨著農(nóng)業(yè)科學和計算機技術的發(fā)展，利用數(shù)據(jù)挖掘的原理、方法和技術發(fā)掘這些海量數(shù)據(jù)中蘊藏的信息，逐漸成為作物種質信息領域研究的重要內(nèi)容。開展農(nóng)作物種質數(shù)據(jù)挖掘平臺研究對于充分發(fā)揮國家農(nóng)作物種質資源數(shù)據(jù)庫的作用，更好地保護和利用我國豐富的農(nóng)作物種質資源具有十分重要的意義。
　　論文根據(jù)國家農(nóng)作物種質

2、資源數(shù)據(jù)庫的基礎條件和發(fā)展需要，結合“大數(shù)據(jù)”時代下海量數(shù)據(jù)挖掘新的發(fā)展方向，把云計算相關技術引入農(nóng)作物種質資源數(shù)據(jù)挖掘中，以滿足農(nóng)作物種質數(shù)據(jù)不斷增長所需的計算能力。
　　論文研究了數(shù)據(jù)挖掘的基本理論、一般過程和常用方法，作為構建農(nóng)作物種質資源數(shù)據(jù)挖掘平臺的理論和技術基礎，分析了國內(nèi)外主流云計算平臺，研究了開源云平臺Hadoop的體系結構。在此基礎上完成了基于云計算的農(nóng)作物種質資源數(shù)據(jù)挖掘平臺的總體設計和原型開發(fā)，并對所設計平臺

3、的架構、工作流程和各功能模塊進行了詳細描述。
　　研究了經(jīng)典Apriori關聯(lián)規(guī)則算法基于MapReduce框架的并行化策略，利用JAVA編程實現(xiàn)了并行化的Apriori算法，并將其部署在挖掘平臺上。利用挖掘平臺對國家農(nóng)作物種質資源數(shù)據(jù)庫進行試挖掘，初步獲得了有關水稻種質特征特性的關聯(lián)知識。在不同數(shù)據(jù)規(guī)模下，通過開展單機處理性能比較實驗和平臺加速比性能實驗，測試了挖掘平臺相關性能，最終論證了農(nóng)作物種質資源數(shù)據(jù)挖掘平臺的科學性、有效