基于微积分分类数学模型的关联挖掘改进方法

摘要：

基于弱关联挖掘模型的关联挖掘方法,依据大数据流信息间的局部关联实现数据挖掘,未考虑数据信息流间的互信息特征,挖掘效果差.研究大数据关联挖掘的改进方法,采用微积分分类数学模型改进关联挖掘过程.该方法提取混合云环境下数据信息流的互信息特征,依据该特征采集大数据流模型的最大Lyapunove指数谱特征,通过矩阵压缩方法使得高维矩阵转换成低维矩阵.在此基础上依据微积分极值原理构建大数据的微积分分类数学模型,该模型通过最大Lyapumove指数谱网格分布矩阵的奇异值分解方法,分解大数据特征向量矩阵行,将大数据关联挖掘过程转换成小规模并行运算过程,实现大数据挖掘中并行算法的改进.实验结果表明,采用该方法进行关联挖掘运算的时间开销的平均值为4.7 s,扩展率平均为0.7,挖掘效果佳.

关键词：关联挖掘、并行算法改进、微积分分类、奇异值分解、大数据挖掘、数学模型

所属期刊栏目：42

分类号：TN911.1-34;TP312

资助基金：国家自然科学基金项目11361048;云南省应用基础研究基金项目2017FH001-014;曲靖师范学院重点课程建设项目ZDKC2016002

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5页

页码：135-139