异构大数据网络的多维关联细粒度数据挖掘算法
为了解决具有密度高、关联复杂的异构大数据网络的数据挖掘效率低下问题, 基于多维关联架构, 结合细粒度控制提出了数据挖掘算法. 首先, 在异构大数据网络存储与转发、处理的数据个性特征和差异化的基础上, 给出了异构大数据网络数据定义和多维关联模型. 接着, 基于大数据网络多维关联初始化进程, 通过大数据单位重构、维度置换、细粒度化和粒度均衡等, 提出了多维关联细粒度数据挖掘算法. 最后, 通过与粗粒度算法、线性化结构数据挖掘算法对比了在不同网络规模和数据规模下的执行效率. 实验结果表明, 所提算法具有更佳的执行效率.
异构大数据、大规模网络、数据挖掘、细粒度、多维关联
27
2018-04-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
186-190