作者:董洁异构网络多元成分大数据分类概率密度对比分析先验假设
摘要:针对传统方法在进行多元成分大数据分类时存在平均百分比分类误差大的问题,提出基于旋转森林算法的多元成分大数据分类方法.首先给出马尔科夫链蒙特卡罗方法、旋转森林方法等相关技术分析;再将多元成分大数据分类问题看作一个概率密度估计问题,采用马尔科夫链蒙特卡罗方法对多元成分大数据进行概率分布统计,并通过核密度估计对多元成分数据的概率模型做先验假设,引入旋转森林方法对多元成分数据进行分类;最后在异构网络正常、异常两种情况下进行试验对比分析.实验结果表明,在异构网络正常情况下采用改进分类方法,其分类精度较高.
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社