基于语义关联性特征融合的大数据挖掘方法

米捷,刘道华

引用本文: 米捷,刘道华. 基于语义关联性特征融合的大数据挖掘方法[J]. 信阳师范学院学报(自然科学版). shu
Citation:  MI JieLarge Data Mining Method Based on Semantic Correlation Feature Fusion[J]. Journal of Xinyang Normal University (Natural Science Edition). shu

基于语义关联性特征融合的大数据挖掘方法

  • 基金项目: 河南省教育厅项目(17A520025)

摘要: 提出一种基于语义关联性特征融合的大数据挖掘算法.对云存储大数据分布式信息流进行高维相空间重构,在重构的相空间中提取大数据的语义关联维特征量,以提取的特征量为测试集进行自适应学习训练.采用模糊C均值算法进行大数据语义关联特征的稀疏性融合和聚类处理,在聚类中心实现对挖掘目标数据的指向性聚敛,输出数据挖掘结果,并采用特征压缩器进行降维处理,降低计算开销.仿真结果表明,采用该方法进行大数据挖掘的特征提取准确性较好,挖掘数据的聚类能力较强,在实时性和准确性方面具有优势.

English

计量
  • 文章访问数:  163
  • PDF下载量:  9
  • 引证文献数: 0
文章相关
  • 收稿日期:  2017-11-14
  • 录用日期:  2018-03-12
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

基于语义关联性特征融合的大数据挖掘方法

  • 1.河南工程学院 计算机学院,河南 郑州 451191;2.信阳师范学院 计算机与信息技术学院,河南 信阳 464000
基金项目:  河南省教育厅项目(17A520025)

摘要: 提出一种基于语义关联性特征融合的大数据挖掘算法.对云存储大数据分布式信息流进行高维相空间重构,在重构的相空间中提取大数据的语义关联维特征量,以提取的特征量为测试集进行自适应学习训练.采用模糊C均值算法进行大数据语义关联特征的稀疏性融合和聚类处理,在聚类中心实现对挖掘目标数据的指向性聚敛,输出数据挖掘结果,并采用特征压缩器进行降维处理,降低计算开销.仿真结果表明,采用该方法进行大数据挖掘的特征提取准确性较好,挖掘数据的聚类能力较强,在实时性和准确性方面具有优势.

English Abstract

    全文HTML

相关文章 (20)

目录

/

返回文章

本系统由 北京仁和汇智信息技术有限公司 开发 技术支持: info@rhhz.net   百度统计