基于偏微积分分类数学模型的关联挖掘改进技术

为了提高大数据环境下关联数据挖掘的效率和精度,提出基于分数偏微积分分类数学模型的关联挖掘方法。基于偏微积分原理塑造基于偏微积分方程的融合算法模型,实现大数据分类过程中的差异性数据融合;再通过偏微分分类数学模型的双边界收敛控制,在数据集合融入偏微积分分类数据模型,通过增减量支持向量完成数据的模糊控制,采用约束捆绑聚类算法对数据模型实施挖掘,获取子序列,在最小迭代次数和收敛下,通过测度信息调控,采用高斯核函数挖掘关联数据序列。实验结果说明,所提关联数据挖掘方法具有较高的挖掘效率和精度,稳定性强。