论文部分内容阅读
针对传统的数据组合分类算法精度较低,且噪声影响较大,为此提出一种云计算环境下自适应随机数据组合分类算法,采用时间序列分析创建数据信息流的结构分布式模型,通过线性分段技术对数据时间片段的预白化处理以及特征重组,利用数据高斯随机序列,可以对数据优化分析提供特征信息基础。然后将大规模的数据转变成一系列较小规模特征分解运算,可以有效降低数据运算分类规模。然后利用随机森林算法对数据迭代计算,完成分类。最终经过仿真证明:上述方法可以有效的对数据进行分类,且能够抑制噪声,与传统方法对比,所提方法的分类精度较高。