基于改进BP神经网络和ELM的大数据分类方法

• 作者: 曲延涛 韩勇超 黄博南
• 来源期刊: 信息记录材料
• 学科: 工学
• 关键词: 大数据 BP神经网络 ELM 量子粒子群算法 优化分类
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 记录:云端与存储
• 页码范围: 174-176
• 页数: 3页
• 分类号: TP39
• 字数: 3045字
• 语种: 中文

摘要

在当今信息科技发展的背景下,大数据的数量和种类越来越多,为了更好的利用不同类别的大数据,本文提出了一种基于改进BP神经网络和ELM的大数据分类方法.首先,利用改进的BP神经网络对原始大数据做预处理,剔除不良数据,为后续的大数据分类提供准确有效的数据.然后,利用量子粒子群算法(QPOS)对ELM算法进行优化,加速其训练过程.最后,将预处理的数据输入到训练好的极限学习内,实现大数据的优化分类.仿真结果表明,采用该算法进行大数据分类,准确性较高,误分类的概率较低,为人类提高了大数据的利用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄博南		9	81	3.0	9.0
2	曲延涛		7	8	1.0	2.0
3	韩勇超		1	0	0.0	0.0