科研之友
微信
新浪微博
Facebook
分享链接
摘要
原始大数据具有高维和随机杂乱性特征，通过将大量数据分类，从中提取有价值的、潜在的信息难度较大，因此其挖掘的精度始终无法得以保证。提出基于朴素贝叶斯的大数据模糊随机挖掘方法。采用信息熵完成一次数据信息筛选，剔除无用的数据信息属性，结合信息熵和主成分分析法提出E-PCA算法，对大数据的降维处理。通过拉普拉斯消除朴素贝叶斯中条件概率为0导致的负面影响，结合关联规则和属性加权优化朴素贝叶斯，完成大数据模糊随机挖掘。实验结果表明，所提方法准确率始终保持在95%以上，完成大数据挖掘的耗时更短，且大数据的随机分类更准确，说明朴素贝叶斯的应用效果更好。
- 出版日期2023
- 单位河北工业大学
