-
题名深度AWB结合改进DIT的高效大数据分类
被引量:2
- 1
-
-
作者
龚健虎
张跃进
-
机构
广东培正学院数据科学与计算机学院
华东交通大学信息工程学院
-
出处
《计算机工程与设计》
北大核心
2021年第2期468-474,共7页
-
基金
国家自然科学基金项目(11862006、61862025)。
-
文摘
针对传统数据分类属性模型中存在的较为复杂且大数据分类效率低等问题,基于云计算环境,提出利用深度属性加权贝叶斯(deep attribute weighting Bayesian,AWB)算法结合改进差别信息树(differential information tree,DIT)的大数据高效分类方法。利用AWB算法构建大数据训练集的模糊知识库,提高大数据分类精度;采用改进DIT进行模糊粗糙集属性约简,以并行方式利用映射函数对信息进行分区,将洗牌算法融入模糊分类器的设计中,提高大数据分类效率;利用CloudSim仿真器在大型网络数据集对所提方法的性能进行实验论证。实验结果表明,所提方法提高了分类准确度,降低了计算时间,提高了计算效率。
-
关键词
云计算
大数据
深度属性加权贝叶斯
改进差别信息树
模糊分类
属性约简
洗牌算法
-
Keywords
cloud computing
big data
deep attribute weighting Bayesian
improved differential information tree
fuzzy classification
attribute reduction
shuffling algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-