典型文献
基于自适应指数蝙蝠和SAE的并行大数据分类
文献摘要：
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Re-duce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.
文献关键词：
大数据;MapReduce;自适应指数蝙蝠算法;深度堆叠自动编码器
中图分类号：
作者姓名：
钱真坤;周思吉
作者机构：
四川文理学院后勤服务处,四川达州635000;四川文理学院信息化建设与服务中心,四川达州635000
文献出处：
引用格式：
[1]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(06):8-14
A类：
自适应指数蝙蝠算法,深度堆叠自动编码器
B类：
SAE,数据分类,堆叠自编码器,分类方法,并行计算,计算框架,特征选择,指数加权移动平均,AEB,EWMA,自适应权重策略,算法训练,分类精度,训练数据,正例,TPR,MapReduce
AB值：
0.216132
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
