基于半监督深度学习法的网络大数据集成挖掘

• 作者: 纪冲 刘岩
• 来源期刊: 计算机仿真
• 关键词: 半监督学习 网络大数据 集成挖掘 检测模型
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 仿真智能化
• 页码范围: 313-316
• 页数: 4页
• 分类号: TP393
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2021.07.067

摘要

传统的数据集成挖掘方法在集成与挖掘两个步骤之间存在较大误差,导致大数据出现乱码问题,数据显示不全.为解决上述问题,提出基于半监督深度学习法的大数据集成挖掘方法.利用有监督与无监督深度学习间的机器学习,组成半监督深度学习.利用支持向量数据组建立超球体.依据超球体结合标记样本,组建半监督深度学习数据检测模型,筛选样本特征词,利用半监督深度学习方法训练单分类SVDD模型,实现网络大数据集成挖掘.仿真结果证明,所提方法能够高精度、高效的对大数据完成集成挖掘,具有理想的应用性能.