基于概率统计的小差异数据的分类模型仿真

摘要：

小差异数据往往具有信息量大、特征差异小的特点，传统的数据分类方法多具有串行性，在处理海量小差异数据时，存在分类效率低、准确率低及可行性差的缺陷，为信息检索、数据管理等实际应用带来了潜在的风险。为此，提出设计一种基于概率统计的小差异数据分类模型。针对初始数据的杂乱性、冗余性和随机性，分别进行数据清洗、数据变换和数据归约等预处理，依据相关原理构建隐马尔科夫数据分类模型，并通过模型参数优化，得到数据特征的最优描述及该数据属于每一类别的最大概率值，从而实现小差异数据的有效分类。实验结果表明，采用改进算法进行小差异数据分类，能够大大提高数据分类的准确性，提升系统运行速率，提高了算法鲁棒性，具有实际的应用价值。

关键词：概率统计、数据分类、隐马尔科夫模型

所属期刊栏目：32

分类号：TP272.13(自动化技术及设备)

在线出版日期：2016-05-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：114-117