计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2014年
11期
294-296,305
,共4页
大数据%关键特征%数据挖掘
大數據%關鍵特徵%數據挖掘
대수거%관건특정%수거알굴
Big data%Key characteristics%Data mining
在网络数据管理优化问题的研究中,对等P2P为点对点网络通信.由于数据特征受到主观因素的影响较大,无法形成固定的关联特征,使得关键特征定位往往需要进行较大规模的大数据对比,传统的关联规则方法应用到此网络特征搜索过程时,建立的规则往往较为混乱甚至无规则可言,造成数据特征挖掘耗时,无效挖掘行为较多,效率较低.为此,提出利用Apriori算法的对等P2P网络中大数据关键特征挖掘方法.筛选对等p2p网络中大数据特征,选取聚类中心,并针对聚类中心进行关联性计算,删除关联性较差的特征.根据Apriori算法相关理论,对数据进行连接和剪枝处理,建立大数据关键特征挖掘模型.实验结果表明,利用改进算法进行对等p2p网络中大数据关键特征挖掘,能够提高挖掘的准确性,满足p2p网络的实际需求.
在網絡數據管理優化問題的研究中,對等P2P為點對點網絡通信.由于數據特徵受到主觀因素的影響較大,無法形成固定的關聯特徵,使得關鍵特徵定位往往需要進行較大規模的大數據對比,傳統的關聯規則方法應用到此網絡特徵搜索過程時,建立的規則往往較為混亂甚至無規則可言,造成數據特徵挖掘耗時,無效挖掘行為較多,效率較低.為此,提齣利用Apriori算法的對等P2P網絡中大數據關鍵特徵挖掘方法.篩選對等p2p網絡中大數據特徵,選取聚類中心,併針對聚類中心進行關聯性計算,刪除關聯性較差的特徵.根據Apriori算法相關理論,對數據進行連接和剪枝處理,建立大數據關鍵特徵挖掘模型.實驗結果錶明,利用改進算法進行對等p2p網絡中大數據關鍵特徵挖掘,能夠提高挖掘的準確性,滿足p2p網絡的實際需求.
재망락수거관리우화문제적연구중,대등P2P위점대점망락통신.유우수거특정수도주관인소적영향교대,무법형성고정적관련특정,사득관건특정정위왕왕수요진행교대규모적대수거대비,전통적관련규칙방법응용도차망락특정수색과정시,건립적규칙왕왕교위혼란심지무규칙가언,조성수거특정알굴모시,무효알굴행위교다,효솔교저.위차,제출이용Apriori산법적대등P2P망락중대수거관건특정알굴방법.사선대등p2p망락중대수거특정,선취취류중심,병침대취류중심진행관련성계산,산제관련성교차적특정.근거Apriori산법상관이론,대수거진행련접화전지처리,건립대수거관건특정알굴모형.실험결과표명,이용개진산법진행대등p2p망락중대수거관건특정알굴,능구제고알굴적준학성,만족p2p망락적실제수구.
