發(fā)布時間：2018-05-29 03:50

  本文選題：移動互聯(lián)網 + 特征數據　； 參考：《計算機仿真》2017年02期

【摘要】：對移動互聯(lián)網中特征數據準確提取,可減少移動互聯(lián)網的運行負荷。進行特征數據提取時,應分析不同數據屬性的區(qū)分能力,對移動互聯(lián)網數據進行屬性約簡,減少特征數據提取的工作量,但是傳統(tǒng)方法是通過獲取移動互聯(lián)網數據集合的模糊粗糙近似,構造移動互聯(lián)網特征數據屬性集提取的目標函數,但是不能有效對移動互聯(lián)網數據進行屬性約簡,導致特征數據提取耗時長,效率低下的問題。提出一種基于粒計算與區(qū)分能力的移動互聯(lián)網中特征數據準確提取方法。首先利用統(tǒng)計學中的分層抽樣技術將移動互聯(lián)網初始數據集拆分為多個樣本子集(粒),并計算出每個粒上數據屬性的區(qū)分能力,融合于小生境免疫優(yōu)化理論,引入屬性集合的分類近似標準作為數據屬性約簡免疫優(yōu)化的親和度,然后生成小生境免疫共享機制,對移動互聯(lián)網數據屬性約簡,最終建立移動互聯(lián)網中特征數據準確提取模型。仿真結果表明,所提方法移動互聯(lián)網中特征數據提取精確度高,為更好地提升移動互聯(lián)網服務質量奠定了堅實的基礎。
[Abstract]:Accurate extraction of feature data in mobile Internet can reduce the running load of mobile Internet. In order to reduce the workload of feature data extraction, we should analyze the distinguishing ability of different data attributes and reduce the attribute reduction of mobile Internet data. But the traditional method is to obtain fuzzy rough approximation of mobile Internet data set, and construct objective function of mobile Internet feature data attribute set extraction, but it can not effectively reduce mobile Internet data attribute. It leads to the problem of long time consuming and low efficiency of feature data extraction. This paper presents an accurate feature extraction method for mobile Internet based on granular computing and distinguishing ability. Firstly, the initial data set of mobile Internet is divided into several sample subsets by using stratified sampling technique in statistics, and the ability of distinguishing the attributes of each data on the grain is calculated, which is fused to the niche immune optimization theory. The classification approximation standard of attribute set is introduced as the affinity of data attribute reduction and immune optimization, and then the niche immune sharing mechanism is generated to reduce the attributes of mobile Internet data. Finally, an accurate model of feature data extraction in mobile Internet is established. The simulation results show that the proposed method has high accuracy of feature data extraction in mobile Internet, which lays a solid foundation for improving the QoS of mobile Internet.
【作者單位】： 內蒙古財經大學計算機系;
【分類號】：TP393.01;TN929.5

【相似文獻】

相關期刊論文 前7條

1 孟慶波;尹怡欣;關心;;基于系統(tǒng)特征數據辨識的控制器設計[J];北京科技大學學報;2012年01期

2 潘翔;;學習情景中表情特征數據的提取研究[J];微計算機信息;2011年07期

3 申閆春;王銳;翟春麗;;海量地形的GIS特征數據實時渲染算法研究[J];計算機仿真;2011年10期

4 周玲麗;賴劍煌;;生物特征數據安全保護技術的發(fā)展[J];計算機科學;2008年10期

5 陳江平,傅仲良,邊馥苓,沙宗堯;基于特征數據的VRML建模在Web GIS中的應用[J];武漢大學學報(信息科學版);2002年05期

6 孫婉勝,樊友平,陳允平,馬笑瀟,柴毅;基于免疫聚類的特征數據濃縮方法[J];信息與控制;2005年02期

7 ;[J];;年期

相關博士學位論文 前1條

1 周家銳;基于Memetic優(yōu)化的高維代謝組特征數據智能加權算法研究[D];浙江大學;2014年

，

本文編號：1949372