基于模糊卷积神经网络的大数据分类挖掘技术

• 作者: 林倩瑜
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 模糊卷积神经网络 大数据 挖掘 分类 特征提取
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 智能技术
• 页码范围: 121-126
• 页数: 6页
• 分类号: TP391
• 字数: 3543字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2019.10.019

摘要

关联规则约束下云服务组合大数据挖掘容易出现邻阶干扰,数据挖掘的聚类性和抗干扰性不佳.为提高云服务组合大数据挖掘能力,提出一种基于模糊卷积神经网络的大数据分类挖掘技术.采用连续模板匹配技术进行大数据的分布式数据结构分析,结合匹配相关检测方法进行云服务组合大数据的信息融合处理,对高维融合数据进行频繁项检测和关联规则特征提取;对提取的云服务组合大数据的关联规则采用模糊卷积神经网络分类器进行属性分类,结合特征压缩方法对分类输出的云服务组合大数据进行降维处理;采用模糊聚类方法实现对云服务组合大数据的分类挖掘.仿真结果表明:采用该方法进行云服务组合大数据挖掘的聚类性能较好,在挖掘精度和抗干扰性能表现方面具有优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林倩瑜	集美大学诚毅学院	6	21	2.0	4.0