基于改进BP神经网络和ELM的大数据分类方法  

作　　者：曲延涛[1] 黄博南[2] 韩勇超 

机构地区：[1]中国原子能科学研究院,北京102413 [2]东北大学辽宁,沈阳110819

出　　处：《信息记录材料》2019年第6期174-176,共3页Information Recording Materials

摘　　要：在当今信息科技发展的背景下,大数据的数量和种类越来越多,为了更好的利用不同类别的大数据,本文提出了一种基于改进BP神经网络和ELM的大数据分类方法.首先,利用改进的BP神经网络对原始大数据做预处理,剔除不良数据,为后续的大数据分类提供准确有效的数据。然后,利用量子粒子群算法(QPOS)对ELM算法进行优化,加速其训练过程.最后,将预处理的数据输入到训练好的极限学习内,实现大数据的优化分类.仿真结果表明,采用该算法进行大数据分类,准确性较高,误分类的概率较低,为人类提高了大数据的利用价值.

关 键 词：大数据 BP神经网络 ELM 量子粒子群算法 优化分类 

分 类 号：TP39[自动化与计算机技术—计算机应用技术]