多层感知学习下多维大数据智能分类检索仿真

摘要

cqvip:针对传统的多维大数据智能分类检索方法存在分类检索响应时间过长、误差较大、效率较低等问题,提出一种基于多层感知学习的多维大数据智能分类检索方法。将样本按照其特征进行分组,计算每组样本集的核矩阵,引入基于半正定规划的支持向量机(SVM)模型加入核矩阵线性组合,采用半正定规划SVM求解各个子特征空间的权重系数,利用权重系数计算特征贡献度以及支持度,用于特征分类。在分类结果中引入节点索引过滤多维大数据流程模型库,得到候选模型集,通过动态构建的边索引对候选模型集进行二次过滤,将该算法与并行算法相结合,通过计算结果完成多维大数据智能分类检索。根据实验结果看出,文中所述方法可以有效有效减少了多维大数据分类检索时间,降低分类检索误差,提高了分类检索效率。