利用并行惯性权重OOL-FA的大数据分类 |
| |
作者姓名: | 钟章生 陈世炉 陈志龙 |
| |
作者单位: | 南昌理工学院计算机信息工程学院,江西南昌330013;中国船舶总公司第六三五四研究所,江西九江332000;南昌理工学院电子与信息学院,江西南昌330013 |
| |
基金项目: | 国家自然科学基金;江西省教育厅科学技术研究项目 |
| |
摘 要: | 针对现有大数据分类过程中特征选择算法精度较低,影响后续数据分类算法精度的问题,提出基于惯性权重正交反向学习(OOL)-萤火虫算法(FA)的大数据特征选择算法。借助FA的全局搜索能力,以及OOL分别在收敛速度、收敛精度方面的改进能力,实现数据特征的快速、精确选择,采用结构感知卷积神经网络对大数据特征进行精确分类。在包含6600万个样本和2000个属性的大数据集上进行实验,实验结果表明,所提算法在分类准确率上具有明显的优势。
|
关 键 词: | 大数据分类 惯性权重OOL-FA算法 结构感知神经网络 Spark框架 特征选择 数据分类 |
本文献已被 万方数据 等数据库收录! |
|