《表3 本文算法的推理准确率（%）》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《面向大规模数据的特征趋势推理算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

综上所述，本文提出了一种新的面向大规模数据的特征趋势推理算法，使用Hash函数抽取样本体现数据的分布状况，采用Pam算法和并行K-means聚类算法对大规模数据样本实行聚类，将实际样本点设为新聚类中心，防止受噪声点与孤立点的干扰，以此提升聚类效果和速度；获取最佳大规模数据聚类结果后提取大规模数据聚类的动态特征，在此基础上采用基于特征趋势规则的推理算法，实现大规模数据特征趋势的准确推理．实验结果表明，本文算法在推理大规模数据的特征趋势时，推理的准确率均值为98.10%，表明本文算法具有较高的准确率；本文算法的推理速度增长率为50%，推理耗时最大均值为114.25s，远低于随机变分推理算法和并行化Top-k Skyline查询算法的推理耗时，说明本文算法的推理效率较高．