基于群体协同智能聚类的期刊分类大数据自动存储方法

摘要

求解期刊分类大数据自动存储问题时,传统方法在分解的过程中无法保证准确性与合理性,对解的合并策略选择不合理,导致寻优过程中出现一定的偏差,造成期刊分类存储效率大大降低.为此,需要提出一种新的基于群体协同智能聚类的期刊分类大数据自动存储方法.确定径向基神经网络的初始结构,通过样本分布计算径基宽度获取隐节点群,将其当成初始集合.将分类存储精度最高、F-measure最大、期刊特征相似性最高作为目标函数,将其加权和作为适应函数.在求解过程中,各子群内部通过模拟退火法将分布估计算法和遗传算法结合在一起,产生新个体,利用群体协同合作的方式实现智能聚类.通过进化获取最优个体,得到最终精英集合,将其看作最后得到的径向基神经网络结构,通过得到的径向基神经网络实现期刊分类大数据自动存储.实验结果表明,所提方法期刊分类大数据存储性能强.