大数据环境下基于限定模糊规则的多分类器

摘要：

为解决海量数据环境下,出现分类准确率降低、模型参数训练时间较长等问题,提出一种基于限定模糊规则的多分类器.对确定规则分类过程进行分析和改进,认为确定规则训练过程中后期过于追求精确是导致模型收敛速度下降的关键原因;在此基础上建立总体模型,对收敛程度进行模糊处理,降低模型参数训练时间.通过对确定规则进行正反向规则的补充,减少模糊操作误差,保证分类准确率.通过在Spark计算框架下,与确定规则进行实验对比,验证了该分类器能够有效减少计算迭代次数,提高分类准确率.

关键词：准确率、训练时间、大数据、模糊规则、模糊处理

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：重庆市基础科学与前沿技术研究基金项目cstc2017jcyjAX0164

在线出版日期：2019-06-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1145-1150,1160