大数据中的干扰数据快速排除模型研究与仿真  

A Rapid Elimination Method of Interference Data from Big Data

作　　者：何保锋[1] 姜斌[1] 

机构地区：[1]郑州大学西亚斯国际学院,河南郑州451150

出　　处：《计算机仿真》2015年第11期329-332,共4页Computer Simulation

基　　金：河南省科技攻关项目(142102210500);河南省高等学校重点科研项目(15B520032);河南省基础与前沿技术研究项目(142300410377)

摘　　要：在对大数据中的干扰数据进行快速排除过程中,由于处理高维大规模数据集时存在着计算成本高、耗时长的问题,采用传统算法进行干扰数据排除处理时效率低。为此提出了一种采用支持向量机算法的大数据中干扰数据快速排除方法。利用SVDD获得含有单类数据的最小球形边界,通过边界对未知样本数据进行分类,并融合于最小闭包球算法,对SVDD分类器进行干扰数据排除的优化求解,通过比较大数据的估计值与实测值之间的残差来排除大数据中的干扰数据。仿真结果证明,采用支持向量机算法的大数据中干扰数据快速排除方法精确性高,排除效率高。This paper proposes a rapid elimination method of disturbance data from the big data based on support vector machine （SVM）. The minimum spherical boundary of a single class data is obtained by using SVDD, the unknown sample data are classified via the boundary, and the optimal solution of interference data elimination for the SVDD classifier is derived by fusing the minimum closure ball algorithm. The interference data of the big data are eliminated by comparing the residual error between the estimated and the measured values of the big data. Simulation result shows that the proposed method has high accuracy and high efficiency.

关 键 词：支持向量机 最小闭包球 数据排除 

分 类 号：TP144[自动化与计算机技术—控制理论与控制工程]