多模态异构网络大数据多分类属性选择仿真
【摘要】 针对当前数据分类方法存在分类准确性和实时性差的问题，提出基于异构值差度量的多模态异构网络大数据多分类属性选择方法。提取标记后的文本数据，通过向量空间模型，转换到向量空间，并提取文本特征项，得到特征向量权重值。利用异构值差度量处理过的多模态异构网络混合数据相异程度，并更新数据特征及分类时属性特征参考向量，当达到设定的最大迭代次数时，输出数据属性分类结果，实现数据多分类属性选择。实验结果表明，所提方法数据分类精度高，实时性优于当前研究成果。:多模态;异构网络;大数据;分类;属性选择TP311BSimulationofMulti-ClassificationAttributeSelectionforMultimodalHeterogeneousNetworksGUYan-lin:2018-11-29:2019-02-27万方数据成果具有一定分类准确性，但分类耗时较长。周忠眉¨·等人针对规则分类在数据聚类中存在的问题，提出改进的规则实例分类法。该研究成果的主要
