期刊文献+

基于小波尺度特征提取的金属物流大数据挖掘算法 被引量:1

Metal logistics big data mining algorithm based on wavelet scale feature extraction
下载PDF
导出
摘要 通过对金属物流大数据信息的准确挖掘,提高金属物流管理信息链中的信息加工和利用能力。提出一种基于小波尺度特征提取的金属物流大数据挖掘算法,构建金属物流大数据的信息流模型,对信息流进行小波尺度特征提取算法设计,实现有用特征数据的准确挖掘。仿真结果表明,该数据挖掘算法精确度较高,可靠性较好。 The information processing and utilization ability of the metal logistics management information chain is improved by the accurate data mining of metal logistics data. A metal logistics data mining algorithm is proposed based on wavelet feature extraction. The simulation results show that the algorithm has high precision and good reliability.
出处 《世界有色金属》 2016年第4期143-143,145,共2页 World Nonferrous Metals
关键词 小波尺度特征 金属物流 大数据 数据挖掘 wavelet scale feature metal logistics big data data mining
  • 相关文献

参考文献1

二级参考文献4

  • 1Hadoop[EB/OL]. (2011-04-16)http://www. Hadoop.org.
  • 2夏稀.Hadoop平台下的作业调度算法研究与改进[D].广州:华南理工大学.2010.
  • 3Sandholm T, Lai K. Dynamic proportional share scheduling in Hadoop[J]. In:Springer:2010:110-131.
  • 4袁雪莉,钟明洋.改进遗传算法的并行任务调度[J].计算机工程与应用,2011,47(10):56-59. 被引量:7

共引文献1

同被引文献14

引证文献1

二级引证文献2

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部