基于自适应指数蝙蝠和SAE的并行大数据分类 |
| |
引用本文: | 钱真坤,周思吉.基于自适应指数蝙蝠和SAE的并行大数据分类[J].西南师范大学学报(自然科学版),2022(6):8-14. |
| |
作者姓名: | 钱真坤 周思吉 |
| |
作者单位: | 1. 四川文理学院后勤服务处;2. 四川文理学院信息化建设与服务中心 |
| |
摘 要: | 为解决深度学习进行大数据分类时效率低的问题,本文提出一种基于自适应指数蝙蝠和堆叠自编码器(SAE)的并行大数据分类方法.在并行计算框架中,Map阶段使用自适应指数蝙蝠算法进行特征选择,自适应指数加权移动平均值蝙蝠算法(AEB)由指数加权移动平均值(EWMA)和自适应权重策略得到.将选择的特征作为Reduce输入进行大数据分类,Reduce阶段使用AEB算法训练的深度堆叠自动编码器(SAE)进行分类,进一步提高了分类精度.实验结果表明,针对不同的训练数据百分比,本文所提方法在准确度和真正例率(TPR)性能方面优于其他现有方法.
|
关 键 词: | 大数据 MapReduce 自适应指数蝙蝠算法 深度堆叠自动编码器 |
|
|