基于机会认知的类脑智能数据挖掘机制

由于类脑智能数据具有协同多种不同的认知能力,对复杂环境具备极强的自适应能力,需要组建类脑智能数据的挖掘机制。但是采用当前的算法建立挖掘机制时,难以精确地消除数据中存在的冗余性,存在数据挖掘误差大的问题。为此提出基于机会认知的类脑智能数据挖掘机制。上述方法融合于时间粒度先对原始数据的时间序列进行分割,完成对数据的预处理,依据马氏距离来调整类脑智能数据变量之间的相关性,通过协方差矩阵得到其特征值和特征向量,将离散化的智能数据在粗糙集理论基础上进行属性的约简,在不损失原有类脑智能数据信息的基础上消除表中的冗余片段,从而组建了基于机会认知的类脑智能数据挖掘机制。实验结果表明,所提方法执行类脑智能数据挖掘效果较好,且挖掘效率较快。