基于改进混沌分区算法的模糊信息抽取

分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-06-19 合作期刊: 《计算机应用研究》

万福成

摘要： 在大数据环境下进行模糊信息挖掘抽取中受到数据之间的小扰动类间干扰的影响，导致信息抽取的特征聚类性不好，提出一种基于改进混沌分区算法的模糊信息抽取方法。对高维数据信息流进行分布式结构重组，以Lorenz混沌吸引子作为训练测试集进行大数据模糊信息抽取的自适应学习训练，采用相空间重构技术对大数据的混沌吸引子负载特征量进行自相关特征匹配处理，提取模糊信息的平均互信息特征量，结合关联规则模糊配对方法进行大数据混沌分区，实现模糊信息的优化聚类，根据数据聚类结果实现模糊信息准确抽取，对抽取的高维模糊信息进行特征压缩，降低计算开销。仿真结果表明，采用该方法进行大数据样本序列的模糊信息抽取的聚类性较好，抗类间扰动能力较强，模糊信息抽取的准确概率较高，在数据挖掘和特征提取中具有很好的应用价值。

 点击量 722  下载量 355  评论