文献类型：期刊文章

作　　者：米捷[1] 刘道华[2]

MI Jie;LIU Daohua(School of Computer,Henan University of Engineering,Zhengzhou 451191,China;College of Computer and Information Technology,Xinyang Normal University,Xinyang 464000,China)

机构地区：[1]河南工程学院计算机学院,河南郑州451191 [2]信阳师范学院计算机与信息技术学院,河南信阳464000

出　　处：《信阳师范学院学报（自然科学版）》

基　　金：国家自然科学基金项目(31872704);河南省重点研发与推广专项资助项目(182102210537);河南省高等学校重点项目(17A520025;19A520035);河南省教学改革资助项目(2017SJGLX389)

年　　份：2019

卷　　号：32

期　　号：1

起止页码：141-145

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、IC、JST、RCCSE、WOS、ZGKJHX、ZMATH、ZR、核心刊

摘　　要：提出一种基于语义关联性特征融合的大数据挖掘算法.对云存储大数据分布式信息流进行高维相空间重构,在重构的相空间中提取大数据的语义关联维特征量,以提取的特征量为测试集进行自适应学习训练.采用模糊C均值算法进行大数据语义关联特征的稀疏性融合和聚类处理,在聚类中心实现对挖掘目标数据的指向性聚敛,输出数据挖掘结果,并采用特征压缩器进行降维处理,降低计算开销.仿真结果表明,采用该方法进行大数据挖掘的特征提取准确性较好,挖掘数据的聚类能力较强,在实时性和准确性方面具有优势.

关 键 词：大数据挖掘  语义 信息融合 聚类 特征提取  相空间重构

分 类 号：TP391]