基于邻域相似性的多源异构大数据属性约减方法

针对网络多源异构大数据之间领域关系难以界定导致运算量较大的问题,提出基于邻域相似性的多源异构大数据属性约减方法。首先,基于多源异构大数据进行分析,根据边界域理念及邻域相似性提出属性重要度度量方法;其次,结合邻域粗糙集提出多源异构大数据的属性约减算法;最后,进行实验对比分析。实验结果表明,该方法可对多源异构大数据属性进行约减,且约减后的分类准确率更高,优于对比方法,具有良好的应用性能。