大数据挖掘中神经网络学习算法高可靠性仿真

摘要：

大数据挖掘是从大量的随机数据中,挖掘出潜藏在数据库中有用的知识的过程.在挖掘的过程中,若迭代次数过多,会导致其并行效率降低,严重影响了挖掘的性能.为了有效解决上述问题,提出一种大数据挖掘中神经网络学习算法的可靠性方法.采用正交基函数处理网络输入函数和连接权函数,将结构参数和其它参数整合为一个粒子,使用粒子优化算法(PSO)对全局优化处理.通过组建大数据挖掘的神经网络训练模型,展开数据特征提取和聚类处理,全面提升大数据挖掘过程中的聚类以及特征提取能力.实验结果表明,所提方法的挖掘准确率在 94%以上,具有高可靠性的数据挖掘结果.

关键词：粒子群优化算法、大数据挖掘、神经网络学习算法、可靠性

所属期刊栏目：40

分类号：TP183(自动化基础理论)

资助基金：福建省教育厅中青年教师科研课题;福建省教育厅中青年教师科研课题

在线出版日期：2023-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：491-495