10.3969/j.issn.1006-9348.2016.03.061
移动信息节点变化下数据挖掘方法研究与仿真
移动信息节点变化下的数据存在模糊性和噪声,导致传统基于关联规则映射的数据挖掘过程,由于单纯采用关联规则映射方法,输入信息空间维数较大,导致网络结构复杂,数据挖掘效率大大降低,为提高信息精度,提出一种粗集和神经网络的数据挖掘方法,从移动方向和移动距离的角度分析了移动信息节点的变化规律,将带有非线性连接权的二层神经网络作为信息识别系统,通过粗集方法对神经网络的学习训练样本集进行信息简化.在移动信息节点变化规律的基础上,对输入和输出数据进行归一化处理,删除输入信息表的冗余数据和冗余属性,计算出约简的属性集,获取最简约简表.对通过RS信息简化后的样本集进行学习训练,直至符合精度要求.采用训练完成的神经网络对待挖掘的信息进行计算、识别与分类,并输出数据挖掘结果.仿真实验结果表明,所提方法具有很高的挖掘精度及效率.
移动信息节点、变化、数据挖掘
33
TP391(计算技术、计算机技术)
南昌大学科技学院基金项目2014-JG-04;南昌大学科技学院精品课程项目2013JPKC020
2016-08-02(万方平台首次上网日期,不代表论文的发表时间)
共4页
278-281