文献类型：期刊文章

作　　者：钱真坤[1] 周思吉[2]

QIAN Zhenkun;ZHOU Siji(Logistics Service, Sichuan University of Arts and Science, Dazhou Sichuan 635000, China;Informatization Construction and Service Center, Sichuan University of Arts and Science, Dazhou Sichuan 635000, China)

机构地区：[1]四川文理学院后勤服务处,四川达州635000 [2]四川文理学院信息化建设与服务中心,四川达州635000

出　　处：《西南师范大学学报（自然科学版）》

基　　金：四川省高校后勤协会2022-2023年度立项课题(20220602).

年　　份：2022

卷　　号：47

期　　号：6

起止页码：8-14

语　　种：中文

收录情况：CAS、JST、RCCSE、ZGKJHX、普通刊

摘　　要：为解决深度学习进行大数据分类时效率低的问题,本文提出一种基于自适应指数蝙蝠和堆叠自编码器(SAE)的并行大数据分类方法.在并行计算框架中,Map阶段使用自适应指数蝙蝠算法进行特征选择,自适应指数加权移动平均值蝙蝠算法(AEB)由指数加权移动平均值(EWMA)和自适应权重策略得到.将选择的特征作为Reduce输入进行大数据分类,Reduce阶段使用AEB算法训练的深度堆叠自动编码器(SAE)进行分类,进一步提高了分类精度.实验结果表明,针对不同的训练数据百分比,本文所提方法在准确度和真正例率(TPR)性能方面优于其他现有方法.

关 键 词：大数据 MAPREDUCE 自适应指数蝙蝠算法  深度堆叠自动编码器  

分 类 号：TP393]