基于SVM的大数据信息过滤方法研究

为了提高互联网的运行效率，根据支持向量机（Support Vector Machine,SVM）模型的支持向量机算法，研究了一种大数据信息过滤方法。首先，分析网络大数据信息的特征选择，为大数据信息的过滤方法提供数据基础；其次，构建大数据过滤模型，根据SVM的数据分类特性，确定大数据过滤模型的决策函数，引入核函数对决策函数进行参数优化，保证大数据信息过滤方法的准确性；最后，结合特征向量在分类面的距离权重与密度权重，计算模型的选择权重，实现大数据信息的精准过滤。实验结果表明，设计方法的信息过滤准确性较高，能够提高运行效率。