引入神经网络极限学习机的关键数据查询模型

作     者：张勇飞 陈艳君 赵世忠 ZHANG Yong-fei;CHEN Yan-jun;ZHAO Shi-zhong

作者机构：南昌大学科学技术学院江西九江332020 南昌大学工程建设学院江西南昌330031 

基　　金：2021年度江西省教育厅科学技术研究项目(GJJ217813) 

出 版 物：《计算机仿真》 (Computer Simulation)

年 卷 期：2024年第41卷第3期

页      码：519-523页

摘      要：网络空间数据的结构具有较高相似性,海量数据的不断增量更新,导致关键数据查询结果存在冗余和偏离问题。因此提出基于神经网络极限学习机的关键数据查询方法。建模描述关键数据查询问题。基于此引入神经网络极限学习机,建立关键数据查询模型。预处理数据库中无用数据和重复数据做,通过输出权值范数的最小二乘解,避免算法陷入局部最优。结合输出矩阵,训练查询模型,输出结果结果即为关键数据查询结果。为证明上述方法的性能优势,设计对比实验,结果表明提出的方法应用于关键数据查询的均方根误差不超过1.2,平均绝对百分比误差最高为4.1%,关系数F可达0.6,网络节点的使用率低于20%。以上实验数据验证了上述方法数据查询精度较高,可应用性更强。

主 题 词：神经网络极限学习机 关键数据 输出权值 最小二乘解 数据预处理 

学科分类：08[工学] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1006-9348.2024.03.094

馆 藏 号：203127437...