基于卷积神经网络的大数据去模糊挖掘仿真

作     者：苑颖 唐莉君 YUAN Ying;TANG Li-jun

作者机构：银川能源学院信息传媒学院宁夏银川750102 宁夏大学信息工程学院宁夏银川750105 

基　　金：宁夏回族自治区教育厅2018年产教融合人才培养示范专业建设项目(2018SFZY40) 银川能源学院2020年校级本科教学工程项目(2020—TD-X-02) 

出 版 物：《计算机仿真》 (Computer Simulation)

年 卷 期：2023年第40卷第6期

页      码：421-424,527页

摘      要：由于当下大数据普遍存在着复杂异构和强噪声等问题,而很多挖掘算法又面临着参数冗余或者效率低下等困境,因此提出了基于卷积神经网络的大数据去模糊挖掘算法。首先利用模糊融合得到属性的自关联特征,经过归一化操作后,计算出数据集的聚类模态;考虑冗余数据和噪声数据的影响,引入加权滤波操作,完成对混合数据的模糊分块挖掘。然后基于DCNN的基本结构设计了参量压缩和搜索方向,降低计算资源开销,并通过选边与渐进方式增强前后层间的联系以及稳定性。最后利用Java编写去模糊挖掘算法,部署于Hadoop集群上,通过Versicolor与Setosa两个数据集采取仿真,经过与其它方法的对比分析,验证了所提方法在抗干扰性、执行效率和资源消耗方面均展现出比较明显的性能优势,能够有效适用于复杂属性数据,改善冗余数据与强噪声的干扰。

主 题 词：卷积神经网络 模糊融合 加权滤波 渐进搜索 数据挖掘 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1006-9348.2023.06.077

馆 藏 号：203122626...