利用并行惯性权重OOL-FA的大数据分类

作     者：钟章生 陈世炉 陈志龙 ZHONG Zhang-sheng;CHEN Shi-lu;CHEN Zhi-long

作者机构：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：国家自然科学基金项目(61663033) 江西省教育厅科学技术研究基金项目(GJJ180989) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2020年第41卷第10期

页      码：2818-2824页

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。

主 题 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 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2020.10.020

馆 藏 号：203986251...