10.3969/j.issn.1006-9348.2020.08.070
多模态异构网络大数据多分类属性选择仿真
针对当前数据分类方法存在分类准确性和实时性差的问题,提出基于异构值差度量的多模态异构网络大数据多分类属性选择方法.提取标记后的文本数据,通过向量空间模型,转换到向量空间,并提取文本特征项,得到特征向量权重值.利用异构值差度量处理过的多模态异构网络混合数据相异程度,并更新数据特征及分类时属性特征参考向量,当达到设定的最大迭代次数时,输出数据属性分类结果,实现数据多分类属性选择.实验结果表明,所提方法数据分类精度高,实时性优于当前研究成果.
多模态、异构网络、大数据、分类、属性选择
37
TP311(计算技术、计算机技术)
2020-09-24(万方平台首次上网日期,不代表论文的发表时间)
共4页
328-331