奇异性数据的分类检索方法研究与仿真

• 作者: 王立巍
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 奇异性语义 特征提取 向量空间 数据检索
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 仿真服务化
• 页码范围: 431-434
• 页数: 4页
• 分类号: TP391.3
• 字数: 3811字
• 语种: 中文

摘要

对奇异性数据进行分类,可以提升检索的精度并改善用户需求.在对奇异性数据的进行分类检索时,当检索对象为海量数据时,需要对海量数据进行自动标定和划分,并对数据特征进行检测,获取数据特征集,并从中提取奇异性语义向量空间,完成奇异性数据的分类检索,而传统算法只能根据人工标定方法进行分类检索,当针对海量数据时,只能粗略的进行标定分类,分类检索时会漏掉很多奇异性特征,无法实现准确的分类检索.提出采用奇异值分解的奇异性数据分类检索方法,对海量数据进行划分,并对数据特征进行挖掘,获取数据特征集,引入奇异值分解方法提取数据特征集的奇异性数据向量空间,利用奇异值分解方法,逐级进行奇异性数据特征的相似度匹配,实现奇异性数据的分类检索.仿真结果表明,所提方法的奇异性数据匹配检索效果良好,并具有稳定的检索性能.