基金项目:2020年度吉林省教育科学“十三五”规划课题(GH20451);研究成果及吉林省高教学会2019年高教科研项目(JGJX2019D457)收稿日期:2021-05-27修回日期:2021-06-18第40卷第4期计算机仿真2023年4月文章编号:1006-9348(2023)04-0286-04基于粒度神经网络的大数据标签分类算法研究张倩,吴琼,时庆涛(长春工业大学人文信息学院,吉林长春130000)摘要:传统大数据标签分类算法无法实时处理大数据标签的属性特征,导致分类精度偏低、能量开销较大。为解决以上问题,提出基于粒度神经网络的大数据标签分类算法。通过大数据存储库I/O/接口、USB接口以及磁盘层三层结构,计算大数据标签矢量长度值,明确标签属性特征。采用数据重排操作结合因子分析法,将属性标签初级分类,在粒度神经网络的基础上,利用主成分分析法提取大数据主特征,得到主成分神经元比例元集。结合标签属性特征初级分类结果,实现对大数据标签的最终分类。仿真验证了所提方法在特征匹配和分类效果方面具有明显的优势,且系统的能量开销较低。关键词:粒度神经网络;大数据标签;主成分分析法;特征匹配;矢量长度值中图分类号:TN912.3文献标识码:BResearchonBigDataLabelClassificationAlgorithmBasedonGranularNeuralNetworkZHANGQian,WUQiong,SHIQing-tao(CollegeofHumanities&InformationEngineering,ChangchunUniversityofTechnology,ChangchunJilin130000,China)ABSTRACT:Traditionalalgorithmscannotprocesstheattributesofbigdatatagsinrealtime,leadingtolowclassi-ficationaccuracyandhighenergycost.Therefore,basedongranularityneuralnetwork,analgorithmtoclassifybigdatalabelswaspresented.ThroughI/O/interfaceofthebigdatastoragelibrary,USBinterfaceandthree-layerstructureofdisklayer,thevectorlengthofbigdatalabelwascalculatedtoclarifytheattributefeatureofthelabel.Thedatarearrangementwascombinedwithfactoranalysistopreliminarilyclassifytheattributelabels.Basedonthegranularityneuralnetwork,theprincipalcomponentanalysis(PCA)wasusedtoextractthemainfeaturesofbigdataandthustoobtaintheproportionsetofprincipalcomponentneurons.Accordingtotheprimaryclassificationresultsoftagattributefeatures,thefinalclassificationforbigdatatagswasachieved.Thesimulationprovesthattheproposedmethodhasobviousadvantagesinfeaturematchingandclassification,andtheene...
