典型文献
基于深度学习的多源数据自动分类算法设计
文献摘要：
为了降低由于数据特征差异引起的数据辨识分类结果精确度较低的问题,提出基于深度学习的多源数据自动分类算法设计.首先提取了不同数据域数据的特征,在最小化数据特征损失的基础上,采用深度学习的方法,对多源数据的特征进行分析,将分析结果作为数据分类的依据,实现数据的高精度分类.通过试验对其进行测试,结果表明,所提方法在不影响分类效率的前提下,分类精度可达到95％以上,具有良好的实际应用价值.
文献关键词：
深度学习;数据特征;多源数据;自动分类
中图分类号：
作者姓名：
王艳然;杨鹏飞
作者机构：
郑州职业技术学院,河南郑州450010
文献出处：
引用格式：
[1]王艳然;杨鹏飞-.基于深度学习的多源数据自动分类算法设计)[J].电脑知识与技术,2022(05):20-21,37
A类：
B类：
多源数据,数据自动分类,分类算法,算法设计,数据特征,特征差异,数据辨识,数据域,特征损失,数据分类,分类精度
AB值：
0.322348
相似文献
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。
