基于微积分分类数学模型的关联挖掘改进方法

• 作者: 罗红英
• 来源期刊: 现代电子技术
• 关键词: 关联挖掘 并行算法改进 微积分分类 奇异值分解 大数据挖掘 数学模型
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 前沿交叉科学
• 页码范围: 135-139
• 页数: 5页
• 分类号: TN911.1-34|TP312
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2019.08.030

摘要

基于弱关联挖掘模型的关联挖掘方法,依据大数据流信息间的局部关联实现数据挖掘,未考虑数据信息流间的互信息特征,挖掘效果差.研究大数据关联挖掘的改进方法,采用微积分分类数学模型改进关联挖掘过程.该方法提取混合云环境下数据信息流的互信息特征,依据该特征采集大数据流模型的最大Lyapunove指数谱特征,通过矩阵压缩方法使得高维矩阵转换成低维矩阵.在此基础上依据微积分极值原理构建大数据的微积分分类数学模型,该模型通过最大Lyapumove指数谱网格分布矩阵的奇异值分解方法,分解大数据特征向量矩阵行,将大数据关联挖掘过程转换成小规模并行运算过程,实现大数据挖掘中并行算法的改进.实验结果表明,采用该方法进行关联挖掘运算的时间开销的平均值为4.7 s,扩展率平均为0.7,挖掘效果佳.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗红英	曲靖师范学院数学与统计学院	17	33	3.0	5.0