摘要：由于差异化分布式数据的稀疏性和混沌性,导致采用粒子群算法进行数据挖掘容易陷入局部收敛,数据挖掘的准确度不好。提出一种基于神经网络和粒子群优化的数据挖掘算法,首先计算差异化分布式数据挖掘的全局核函数和混合核函数,构建挖掘决策模型。以训练误差作为挖掘优化的约束条件,采用粒子群学习的泛化能力进行数据挖掘的聚类中心计算,克服初始聚类中心敏感和易陷入局部最优的缺点。然后采用神经网络模型进行数据聚类处理,实现数据优化挖掘。最后进行仿真实验分析,结果表明,采用本文算法进行差异化分布式数据挖掘具有更高的准确率和更强的收敛能力。

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）