基于深度學習的多源數據自動分類算法設計

王艷然 楊鵬飛

摘要：為了降低由于數據特征差異引起的數據辨識分類結果精確度較低的問題，提出基于深度學習的多源數據自動分類算法設計。首先提取了不同數據域數據的特征，在最小化數據特征損失的基礎上，采用深度學習的方法，對多源數據的特征進行分析，將分析結果作為數據分類的依據，實現數據的高精度分類。通過試驗對其進行測試，結果表明，所提方法在不影響分類效率的前提下，分類精度可達到95%以上，具有良好的實際應用價值。

關鍵詞：深度學習;數據特征;多源數據;自動分類

中圖分類號：TP399 ? ? ?文獻標識碼：A

文章編號：1009-3044（2022）05-0020-02

隨著大數據在各行各業的廣泛滲透，其種類和形式也越來越多樣化，因此，對于多源數據的分類成為現階段計算機領域的研究熱點[1]。通常情況下，多源數據具有內容要素種類差異性較大、數據來源廣泛的特點[2]。因此，對其進行分類時，主要是要對數據之間的內在關系進行準確識別。以此作為數據分類的基礎[3]。但是，由于多源數據包含的數據內容及結構更加多樣化，其特征差異也較大，因此，在對其進行分類時，難度也明顯高于一般的數據。對于此，已有學作出者做出了相關研究。其中，文獻[4]提出一種基于ReLU稀疏性特征的數據分類方法，實現了數據分類的準確度，但分類的精度較低，分類的粒度較大;文獻[5]提出一種基于數據信息融合的分類方法，有效提高了分類的效果，但其在進行分類的前期需要大量的融合計算，便捷程度有待提升。……