异质网络大数据分类中多响应参数优化仿真

摘要

为了高效、准确实现异质网络中大数据的分类,需要对异质网络大数据分类中的多响应参数进行优化。采用当前方法对异质网络大数据分类中存在的多响应参数进行优化时,将优化后的参数应用在大数据分类中存在分类效率低和分类结果准确率低的问题。提出一种异质网络大数据分类中多响应参数优化方法,基于支持向量机理论对分类参数进行分析,根据分析结果选择需要优化的参数。采用浮点数编码方法对异质网络种群中的个体进行编码,方法构建适应度函数对支持向量机的分类性能进行评价,根据适应度函数值和海明距离得到个体共享后的适应度,迭代小生遗传算法,对种群中的个体进行选择、交叉、变异处理获得最优种群,完成异质网络大数据分类中多响应参数的优化。仿真结果表明,所提方法的分类效率高、分类结果准确率高。