-
题名基于机器学习的海量数据分析方法研究
- 1
-
-
作者
黄利明
-
机构
首都体育学院
-
出处
《信息与电脑》
2026年第1期84-86,共3页
-
文摘
针对海量数据分析对计算效率、模型泛化能力与可解释性的需求,文章构建了端到端机器学习框架,以密度基离群检测(Density-Based Outlier Detection,DBOD)与改进多重插补法(Enhanced Multiple Imputation,EMI)处理噪声与缺失问题,结合动态特征筛选与随机森林-深度信念网络(Random Forest-Deep Belief Network,RF-DBN)混合模型,通过增量学习与复合正则化增强鲁棒性,并在容器化集群中采用数据并行与模型并行实现分布式优化。实验结果表明,该方法在分类准确率、时延和资源利用率方面均显著优于传统深度神经网络(Deep Neural Network,DNN)。
-
关键词
机器学习
海量数据分析
dbod
分布式优化
-
Keywords
machine learning
large-scale data analysis
dbod
distributed optimization
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于密度的快速异常检测方法
- 2
-
-
作者
张晓
-
机构
伊犁师范学院电子与信息工程学院
-
出处
《伊犁师范学院学报（自然科学版）》
2012年第4期47-49,共3页
-
文摘
在基于密度聚类算法的基础上,提出一种基于密度的快速异常检测方法 DBOD,该算法改变了DBSCAN算法对异常检测的被动处理方法,主动从异常出发,重点关注边界对象,实验证明该方法在检索速度方面具有明显优势.
-
关键词
密度聚类
异常数据
DBSCAN
dbod
-
Keywords
density clustering
outliers
DBSCAN
dbod
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
