基于机器学习的实时云数据关联规则提取与运维分析方法.docxVIP

  • 3
  • 0
  • 约3.49千字
  • 约 11页
  • 2023-08-16 发布于上海
  • 举报

基于机器学习的实时云数据关联规则提取与运维分析方法.docx

? ? 基于机器学习的实时云数据关联规则提取与运维分析方法 ? ? 倪家明,张 耀,刘 鹏,贺小刚,王丹丹 (1.国网天津市电力公司,天津 300010;2.天津三源电力信息技术股份有限公司,天津 300010) 关联规则提取的主要方向是实时云数据挖掘,将该规则应用到数据挖掘过程中,能够展现出不同数据之间的关系[1-2]。随着因特网数据规模的不断扩大,各维度云数据的复杂性越来越高,对实时云数据关联规则展开有效提取有利于后期的数据运维分析[3]。 文献[4]中设计了基于Spark 的关联规则并行化挖掘与提取方法,该方法能够发现大量实时云数据之间的联系,并确定数据之间的连续性,通过关联分析过程实现规则挖掘与提取。文献[5]中设计了基于多目标协同进化遗传算法的关联规则提取方法,该方法利用帕累托原理优化遗传种群个体,然后利用个体相似度的基因型完成个体配对,并分割变异种群,再利用精英种群保存交叉种群的方式求取帕累托最优解集,从而寻找连续型数值属性,完成对规则的提取。然而,在实际应用中发现,传统提取方法的项集标记结果不全面,易导致实例数据集与实际情况不一致。为此,该文设计了基于机器学习的实时云数据关联规则提取方法,利用其为数据运维分析奠定基础。 1 提取任务调度模型设计 1.1 机器学习网络架构 该文在贝叶斯概率支持下设计机器学习网络模型,并调整隐层和可视层权重参数,由此生成深度网络目

文档评论(0)

1亿VIP精品文档

相关文档