基于微积分分类数学模型的关联挖掘改进方法

作者：罗红英

来源：现代电子技术, 2019, 42(08): 135-139.

DOI：10.16652/j.issn.1004-373x.2019.08.030

• 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

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Lyapu-nove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。

• 单位
  曲靖师范学院