基于大数据特征选择的深度学习算法

被引:5
作者
刘芳
机构
[1] 郑州工业应用技术学院信息工程学院
关键词
大数据; 特征选择; 深度学习;
D O I
10.13398/j.cnki.issn1673-260x.2019.05.015
中图分类号
TP181 [自动推理、机器学习]; TP311.13 [];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ; 1201 ;
摘要
随着信息社会进入大数据时代,数据的快速增长既是机遇也是挑战.一方面,大数据可以为深度学习提供大规模的样本集进行训练继而对数据挖掘和选择,有效地分析和处理这些数据;另一方面,大数据的异构性和海量性又会造成维数灾难,同时需要先进的硬件平台支撑以及优化技术.因此,选择一种合适的深度学习模型是解决这一问题的关键.本文针对传统的深度学习模型无法选择大量不同的数据特征,提出一种基于大数据特征选择的深度学习算法,首先构建一个大数据特征选择框架继而进行数据融合和深度学习.实验表明,算法较好地解决了数据庞大与信息贫乏之间的矛盾,具有一定的前瞻性.
引用
收藏
页码:46 / 48
页数:3
相关论文
共 12 条
[3]   面向大数据实体识别的超图分割算法 [J].
胡志刚 ;
刘佳 .
小型微型计算机系统, 2018, 39 (07) :1542-1547
[4]   基于大数据和深度学习的人脸识别布控系统 [J].
江洲 ;
朱旭东 .
电子世界, 2018, (09) :54+56-54
[5]   基于图结构的大数据分析与管理技术专刊前言 [J].
林学民 ;
杜小勇 ;
李翠平 .
软件学报, 2018, 29 (03) :525-527
[6]   大数据流式计算框架Storm的任务迁移策略 [J].
鲁亮 ;
于炯 ;
卞琛 ;
刘月超 ;
廖彬 ;
李慧娟 .
计算机研究与发展, 2018, 55 (01) :71-92
[7]   大数据下的CPS自适应路由服务 [J].
陈海华 ;
张立臣 .
计算机工程与应用, 2018, 54 (01) :94-101
[8]   大数据与深度学习综述 [J].
马世龙 ;
乌尼日其其格 ;
李小平 .
智能系统学报, 2016, 11 (06) :728-742
[9]   深度学习在控制领域的研究现状与展望 [J].
段艳杰 ;
吕宜生 ;
张杰 ;
赵学亮 ;
王飞跃 .
自动化学报, 2016, 42 (05) :643-654
[10]   基于深度学习的不完整大数据填充算法 [J].
卜范玉 ;
陈志奎 ;
张清辰 .
微电子学与计算机, 2014, 31 (12) :173-176