《表3 本文算法的推理准确率(%)》
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.
图表编号 | XD00134142900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.26 |
作者 | 吴春琼 |
绘制单位 | 厦门大学信息科学与技术学院、阳光学院商学院 |
更多格式 | 高清、无水印(增值服务) |