基于深度学习的不完整大数据填充算法论文范文.docVIP

基于深度学习的不完整大数据填充算法论文范文 　　 　　1引言 　　 　　随着互联网、社交网络及电子商务技术的兴起和发展，数据正以前所未有的速度增长。大数据的研究和应用时代己经到来。在大数据的采集和传输过程中，每个环节都可能出现故障，导致很多大数据集中存在着大量的缺失。大数据的不完整性为大数据的分析和处理带来巨大的挑战。因此，不完整数据的填充对大数据的分析和处理具有重要的意义。 　　 　　近些年，国内外研究人员提出了很多不完整数据填充方法。包括基于最大期望的数据填充算法叫基于模糊聚类的填充算法以及基于最近邻对象的填充算法等。这些算法在填充小规模数据集方面取得了显著的效果。然而在填充不完整大数据方面，精度急剧下降。这是由于大数据存在着丰富的信息维度，而传统的数据填充算法不能体现大数据的深度特征。 　　 　　针对这个问题，本文提出一种基于深度学习的不完整大数据填充算法。 　　 　　2填充自动编码机 　　 　　本文构建的深度填充网络以填充自动编码机为基础模块，从完整数据子集中随机采取一部分数据对象作为实例训练填充自动编码机的网络参数。在构造填充自动编码过程中，使用选中的数据对象模拟缺失数据对象，随机地将每个实例数据对象的部分属性值置，模拟不完整对象作为填充自动编码机的输入，通过最小化重构数据与实例原型来训练网路参数。 　　 　　根据随机梯度下降算法，每当从数据集中选择一个实例