高维大数据流时间维度特征提取方法仿真

• 作者: 华涛
• 来源期刊: 计算机仿真
• 关键词: 高维数据 特征提取 时间维度 大数据时代 提取效率
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 仿真服务化
• 页码范围: 356-360
• 页数: 5页
• 分类号: TP318.2
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2021.04.072

摘要

传统大数据流时间维度特征存在提取率低、数据异常值筛选实时性差的问题,提出高维大数据流时间维度特征提取方法.利用反向k近邻技术筛选实时数据的异常值,结合熵值法与多层增量特征提取方法,完成高维数据的初次提取,确定样本类型,将数据纳入大数据信息流时间性算法,实现时间维度下数据分析及二次提取.仿真结果显示,上述方法在提高大数据特征提取率、增强数据提取能力方面具有明显优势,同时能够显著实时更新数据特征,实用性较强.