-
题名奇异性数据的分类检索方法研究与仿真
- 1
-
-
作者
王立巍
-
机构
北华大学师范分院
-
出处
《计算机仿真》
CSCD
北大核心
2016年第5期431-434,共4页
-
文摘
对奇异性数据进行分类,可以提升检索的精度并改善用户需求。在对奇异性数据的进行分类检索时,当检索对象为海量数据时,需要对海量数据进行自动标定和划分,并对数据特征进行检测,获取数据特征集,并从中提取奇异性语义向量空间,完成奇异性数据的分类检索,而传统算法只能根据人工标定方法进行分类检索,当针对海量数据时,只能粗略的进行标定分类,分类检索时会漏掉很多奇异性特征,无法实现准确的分类检索。提出采用奇异值分解的奇异性数据分类检索方法,对海量数据进行划分,并对数据特征进行挖掘,获取数据特征集,引入奇异值分解方法提取数据特征集的奇异性数据向量空间,利用奇异值分解方法,逐级进行奇异性数据特征的相似度匹配,实现奇异性数据的分类检索。仿真结果表明,所提方法的奇异性数据匹配检索效果良好,并具有稳定的检索性能。
-
关键词
奇异性语义
特征提取
向量空间
数据检索
-
Keywords
Singular semantic
Feature extraction
Vector space
Data retrieval
-
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
-
