毕业设计工作进展
年前主要工作进展：
- 粗糙集属性约简算法并行化的实现。代码实现在mac上，~/IdeaProjects/AttributeReduction。 在集群上用数据集800+800＋200跑了一次，可行
- 三支决策算法并行化实现。代码在mac上~/IdeaProjects/TriTraining。在集群上用数据集800+800+200跑了一次，可行，且准确率似乎不低
- TriTraining算法的并行实现。在集群上依然跑不起来，出现的问题是OOM，问题出在takeSample函数的不可行
- LDA的测试在mac上尝试过，估计可行。
寒假在家需要做的工作：
- 完成论文的基本内容，等待21日回校，集群上跑实验，分析实验结果
- 代码部分：
（1）java完成约简结果选择数据集
（2）TriTraining抽样部分重新改进：可用map＋filter实现看看
（3）opencv 抽样视频数据＋网格取得词袋＋光流显示在图片上，为LDA准备
（4）找视频数据集
回校之后在实验方面的分析需要做的工作：
属性约简实验：
（1）在不同数量级的数据集上：运行时间比较（待考量）；（相同维度）运行准确率比较；分析实验结果
（2）在同一数据集上：使用不同节点个数运行时间比较；选择不同维数：准确率分析
（3）需要根据约简结果重新生成新数据集的代码，可用java实现（寒假必须完成）三支决策实验：
（1）在不同数量级上：并行三支与非并行三支运行时间的比较
（2）不同数量集上：关键是：tritraining对边界域个数的减少和准确率的提高（如果能说明：数量级越大，tritraining的优点越大就更好了，可以充分说明在噪声很大的情况下依然很好）
（3）用不同的代价函数的影响视频异常处理实验：
（1）找视频数据集
（2）不同代价函数的比较
（3）和不同的代价敏感机器学习算法的比较
