基于模糊卷积神经网络的大数据分类挖掘技术

doi:10.3969/j.issn.1674-8425(z).2019.10.019

重庆理工大学学报（自然科学） ›› 2019, Vol. 33 ›› Issue (10): 121-126.doi: 10.3969/j.issn.1674-8425(z).2019.10.019

基于模糊卷积神经网络的大数据分类挖掘技术

林倩瑜

集美大学诚毅学院，福建厦门３６１０２１

收稿日期:2018-10-19 出版日期:2019-12-10 发布日期:2019-12-10
作者简介:林倩瑜，女，硕士，实验师，主要从事数据挖掘和神经网络方面研究，Ｅ-ｍａｉｌ：１８００５９２６００８＠１６３．ｃｏｍ。
基金资助:
福建省青年教师教育科研项目“基于大数据的网络舆情爬虫算法的研究与设计”

Received:2018-10-19 Online:2019-12-10 Published:2019-12-10

摘要/Abstract

摘要： 关联规则约束下云服务组合大数据挖掘容易出现邻阶干扰，数据挖掘的聚类性和抗干扰性不佳。为提高云服务组合大据挖掘能力，提出一种基于模糊卷积神经网络的大数据分类挖掘技术。采用连续模板匹配技术进行大数据的分布式数据结构分析，结合匹配相关检测方法进行云服务组合大数据的信息融合处理，对高维融合数据进行频繁项检测和关联规则特征提取；对提取的云服务组合大数据的关联规则采用模糊卷积神经网络分类器进行属性分类，结合特征压缩方法对分类输出的云服务组合大数据进行降维处理；采用模糊聚类方法实现对云服务组合大数据的分类挖掘。仿真结果表明：采用该方法进行云服务组合大数据挖掘的聚类性能较好，在挖掘精度和抗干扰性能表现方面具有优势。

关键词: 模糊卷积神经网络, 大数据, 挖掘, 分类, 特征提取

中图分类号:

ＴＰ３９１

林倩瑜. 基于模糊卷积神经网络的大数据分类挖掘技术[J]. 重庆理工大学学报（自然科学）, 2019, 33(10): 121-126.

[1]	杨国亮，曾建尤，龚曼，祝靖宇. 基于卷积神经网络的衣物属性分类方法[J]. 重庆理工大学学报（自然科学）, 2020, 34(1): 77-85.
[2]	阮文就１，２，储江伟１，李洪亮１. 数据挖掘技术在乘用车排放状态分析中的应用[J]. 重庆理工大学学报（自然科学）, 2020, 34(1): 176-184.
[3]	蒙华a, 苏静b, 李立峰a, 翟玉兰a. 医院网站日志挖掘数据预处理的研究[J]. 重庆理工大学学报（自然科学）, 2019, 33(8): 144-148.
[4]	易欣, 郭武士, 赵丽. 热红外图像序列中基于 KCF 和Mean-Shift 定位的目标跟踪方法[J]. 重庆理工大学学报（自然科学）, 2019, 33(8): 124-131.
[5]	刘海宁, 李德山. 一种大数据存储系统架构及数据安全放置机制[J]. 重庆理工大学学报（自然科学）, 2019, 33(8): 170-177.
[6]	. 基于混合采样策略的改进随机森林不平衡数据分类算法[J]. 重庆理工大学学报（自然科学）, 2019, 33(7): 113-123.
[7]	. 一种新的IoT PaaS大数据服务平台的设计[J]. 重庆理工大学学报（自然科学）, 2019, 33(7): 160-166.
[8]	. 深度学习下大学生资助管理模式创新研究[J]. 重庆理工大学学报（自然科学）, 2019, 33(7): 167-171.
[9]	. 基于校园大数据的学生行为特征分析与预测方法[J]. 重庆理工大学学报（自然科学）, 2019, 33(7): 201-206.
[10]	. 大数据挖掘中的混合差分进化K-Means无监督聚类算法[J]. 重庆理工大学学报（自然科学）, 2019, 33(5): 107-112.
[11]	. 基于激活漏洞能力条件的软件漏洞自动分类框架[J]. 重庆理工大学学报（自然科学）, 2019, 33(5): 154-160.
[12]	. 大数据环境下利用新型FTS的并行细节点指纹匹配通用分解方法[J]. 重庆理工大学学报（自然科学）, 2019, 33(4): 147-155.
[13]	. 云计算中基于群体智能算法的大数据聚类挖掘[J]. 重庆理工大学学报（自然科学）, 2019, 33(4): 128-133,167.
[14]	. 基于特征提取与LM-BP神经网络协同作用的异常条形码辨识方法[J]. 重庆理工大学学报（自然科学）, 2019, 33(2): -.
[15]	. 一种新的ＡｄａＢｏｏｓｔ人脸检测方法[J]. 重庆理工大学学报（自然科学）, 2019, 33(2): -.

基于模糊卷积神经网络的大数据分类挖掘技术

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10