科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着信息规模的不断扩大不完整信息随之出现,使信息无法完成正常传输。对其进行特征提取,能够有效提升数据分析的准确性。对不完整信息特征的提取,需要得到特征属性类别中心矢量,计算出特征挖掘适应度值,完成对不完整信息特征的提取。传统方法估计出基函数和滤波器,对不完整信息进行滤波,但忽略了计算出特征挖掘适应度值,导致提取精度偏低。提出基于神经网络的大规模不完整信息特征提取方法。描述不完整信息属性与分类结果之间的关系,组建分类决策树对不完整信息进行聚类处理,结合自适应搜索方法进行大规模不完整信息特征进行提取,得到特征属性类别中心矢量,得到动态训练下的信息特征提取的模糊控制律,计算出特征挖掘适应度值,由此实现大规模不完整信息的特征提取。实验结果表明,所提方法具有较高的特征提取精度。
- 出版日期2018
- 单位中北大学
