弱关联web数据分类方法优化研究与仿真

摘要：

对web数据属性进行准确的分类,可提高后期网络数据通的性能.随着web数据量增多,web关联数据特征会随着冗余数据的增加,特征数据会被淹没淡化,关联属性变弱.在传统的web数据分类过程中,主要以跟踪标记的web数据关联特征为基础进行分类,如果特征变弱,会导致web数据分类过程形成反复、不断的对比校验,存在效率差,准确率低的.提出基于web数据修补技术与新型蚁群算法相结合的弱关联web数据分类方法,首先对弱关联web数据的关联性利用关联查询过程中的实时属性进行修补,然后在利用TSP规则对蚁群信息素的更新、融合,并将融合结果运用于弱关联数据分类中,以实现web数据的准确分类.仿真结果表明,改进方法对于弱关联数据库中的海量数据能够有效的进行分类.

关键词：弱关联、数据分类、关联修补、蚁群算法

所属期刊栏目：32

分类号：TP18(自动化基础理论)

在线出版日期：2016-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：392-395