数据点位置低延时智能挖掘方法与仿真
2022-09-28唐雯炜李志敏
计算机仿真 2022年8期
关键词:方法
唐雯炜,李志敏
(浙江中医药大学信息技术中心,浙江 杭州 310053)
1 引言
信息化进程脚步的加快,使得数据库技术也取得突飞猛进的发展,同时信息系统的存储压力和计算压力也随之增加。面对数据库中的海量数据,从中获取部分有价值的信息难度较大,且当前的信息提取方法步骤较为繁琐。因此,如何在数量巨大的数据中快速找到数据点所在的位置、挖掘其隐含的信息已经成为了日后重点研究方向。
针对数据点位置的挖掘问题,相关领域研究学家们也对此展开了深入研究。文献[1]利用人工智能裁决机制对网络的挖掘宽度、网络环境以及节点存储大小等多方面因素进行综合考虑,确定这些因素对挖掘效果产生的影响程度,以此获得数据挖掘的难易程度。然后,通过所得结果采取强化措施来提高算法的挖掘效率,但是挖掘精度有待提高;文献[2]利用智能网络系统对低匹配度的数据进行了研究。首先,对数据进行预处理,使其转换为便于挖掘的规约形式,在一定程度上确保算法具有更高的挖掘效率;然后,对算法的挖掘规则利用神经网络模型进行更新,同时剔除掉其中包含的冗余连接节点;最后,通过I/O输出完成挖掘的数据。该方法对低匹配度的数据具有较为理想的效果,但并不适合处理高维或多模态数据。
为解决以上传统方法的缺陷,提出基于并行FP-Growth算法的数据点位置智能挖掘算法。结合并行FP-Growth算法与MAP/Reduce并行编程模型,形成新的FPPM算法。……
登录APP查看全文
