舰船网络数据库中海量数据特征提取方法

发布时间：2021-11-06 12:40

　　传统的数据特征提取方法提取数据特征后不能完全保有数据原有特征,导致方法只能应用于低维度数据特征提取,方法的可行性差。针对以上问题,研究舰船网络数据库中海量数据特征提取方法。设计以神经网络为基本结构的降噪自动编码器,通过编码器对数据库数据降噪。利用基于主成分分析的数据降维算法对数据降维,之后根据数据库中数据的关联性提取数据特征,完成对特征提取方法的研究。设计与传统数据特征提取方法的对比实验,实验结果证明研究的方法能够提取不同维度数据特征,并且应用提取数据特征进行分类时,平均正确率为93.85%,高出传统方法 22.39%,实用性更强。 

【文章来源】：舰船科学技术. 2020,42(16)北大核心

【文章页数】：3 页

【参考文献】：
期刊论文
[1]基于FCM聚类算法的点云数据分类与提取[J]. 张东.  工程技术研究. 2019(15)
[2]基于多尺度排列熵的舰船辐射噪声复杂度特征提取研究[J]. 陈哲,李亚安.  振动与冲击. 2019(12)
[3]计及数据类别不平衡的海量用户负荷典型特征高性能提取方法[J]. 刘洋,刘洋,许立雄,王剑.  中国电机工程学报. 2019(14)
[4]一种云计算环境下海量数据安全特征提取算法[J]. 胡声秋,吴玲丽.  信息技术. 2019(01)



本文编号：3479851