基于深度学习的基层网络数据个性化挖掘算法

• 作者: 熊蕾 彭吉琼 李铭 邓伦丹
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 深度学习 模糊神经网络 基层网络数据 挖掘 网络裁剪 规则提取
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 仿真方法与算法
• 页码范围: 318-321,332
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2022.01.067

摘要

为提升基层网络数据挖掘精度与效率,有效应用基层网络数据提供帮助,提出基于深度学习的基层网络数据个性化挖掘算法,设计基于模糊神经网络的基层网络数据个性化挖掘算法过程,通过数据准备阶段清洗、选取及转化初始基层网络数据,得到高精度完整统一的待挖掘基层网络数据,划分其为训练组与测试组,构建包含输入层、模糊输入层、隐含层、模糊输出层及期望输出层的五层模糊神经网络,运用训练组基层网络数据训练该模糊神经网络,裁剪掉训练后模糊神经网络内的冗余权值规则,提取出最大权值规则,运用该规则对测试组基层网络数据实施挖掘.实验结果表明,上述算法实际应用中收敛速度较高,在训练与测试速度方面具有较大优势,可实现高精确、高查全及高重合度的精准挖掘,为基层网络数据的有效利用奠定基础.