基于偏微分分类数学模型的关联挖掘改进技术

摘要：

为了提高大数据的关联挖掘精度,提出基于偏微分分类数学模型的关联挖掘技术,构建大数据分类的数学模型,求得微分方程的半正定最小特征解向量并进行稳定解分析,采用渐进有理积分逼近得到偏微分分类数学模型的规则集约束条件,避免在进行大数据分类过程中的错分和漏分.采用增减量式支持向量机进行数据分类的模糊控制,结合约束捆绑聚类方法实现关联挖掘改进.实证数据测试得出,该方法进行大数据分类和关联挖掘的收敛性较好,迭代次数受到数据规模的约束较小,抗扰动性较强,具有优越性.

关键词：偏微分方程、时滞、分类模型、关联挖掘

所属期刊栏目：40

分类号：TN911-34;O211.62

资助基金：国家自然科学基金研究项目11101125

在线出版日期：2017-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：36-38