朱磊，凌嘉敏

（1.浙江理工大學(xué)，浙江 杭州 310000；2.浙江外國語學(xué)院，浙江 杭州 310000）

大數(shù)據(jù)特征分類是指在互聯(lián)網(wǎng)手段的作用下，按照數(shù)據(jù)樣本表現(xiàn)形式所建立的數(shù)據(jù)信息特征提取與類別劃分過程[1]。一般來說，數(shù)據(jù)樣本類型越多，特征分類原則也就越復(fù)雜。然而隨著大數(shù)據(jù)樣本的不斷累積，主機元件對這些信息參量的準(zhǔn)確分類能力明顯下降，這不僅會導(dǎo)致數(shù)據(jù)誤傳，還會使主機運行速率受到影響。

常規(guī)的k-prototypes 聚類算法通過求解相異度系數(shù)來確定大數(shù)據(jù)的熵權(quán)分類標(biāo)準(zhǔn)，又利用經(jīng)典kprototypes 算法分類處理大數(shù)據(jù)樣本特征[2]。然而利用此方法所得大數(shù)據(jù)的單位召回率水平相對較低，主機元件難以實現(xiàn)對大數(shù)據(jù)的精準(zhǔn)分類。

粗糙集可以在不應(yīng)用集合外先驗信息的同時，處理各項不完全、不確定、不精確的數(shù)據(jù)對象。粗糙集理論可以在保持網(wǎng)絡(luò)系統(tǒng)對數(shù)據(jù)樣本分類能力的同時，刪除初始數(shù)據(jù)中的冗余信息，使得網(wǎng)絡(luò)主機能夠準(zhǔn)確推斷出初始分類規(guī)則[3]。鄰域粗集神經(jīng)網(wǎng)絡(luò)是在粗糙集理論基礎(chǔ)上發(fā)展而來的一種可以實現(xiàn)數(shù)據(jù)區(qū)分的結(jié)構(gòu)。在特征參數(shù)難以被準(zhǔn)確測量出來的情況下，鄰域粗集神經(jīng)網(wǎng)絡(luò)會篩選待訓(xùn)練樣本，以供其他設(shè)備元件的裁決與判定。由于整個處理過程中無需其他元件的配合，故而其分類準(zhǔn)確性相對較高[4]。

隨著電商領(lǐng)域的發(fā)展及其所應(yīng)用技術(shù)的升級，電商大數(shù)據(jù)的累積量也在不斷增大，導(dǎo)致在既定時間范圍內(nèi)，應(yīng)用常規(guī)工作軟件能捕捉到的電商大數(shù)據(jù)特征集合。為此，該文以鄰域粗集神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，設(shè)計了一種新的數(shù)據(jù)特征分類系統(tǒng)。

1 調(diào)制信息選取

在大數(shù)據(jù)特征分類系統(tǒng)中，調(diào)制信息的選取過程應(yīng)建立在鄰域粗集神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，對所選數(shù)據(jù)樣本進(jìn)行逼近處理。

1.1 鄰域粗集原理

鄰域粗集的定義包含鄰域?；幚?、鄰域粗糙集逼近兩部分，具體研究方法如下。

1）鄰域?；幚?。鄰域粒化處理就是將已定義鄰域節(jié)點聚合在一起，再通過突出優(yōu)化的方式，使得原有粗糙集合對于數(shù)據(jù)樣本的承載能力大幅提升，從而使得網(wǎng)絡(luò)主機能夠準(zhǔn)確辨別出?；?jié)點所處的位置，從而增強大數(shù)據(jù)分類行為的執(zhí)行準(zhǔn)確性[5]。

假設(shè)en表示n個不重合的鄰域節(jié)點定義參量，其求解過程如下：

其中，wn表示n個粗糙度向量，δn表示n個大數(shù)據(jù)樣本取值系數(shù)。在式（1）的基礎(chǔ)上，假設(shè)Δe表示鄰域節(jié)點的單位變量，β表示鄰域標(biāo)記系數(shù)，αi表示粒化度條件，α0為其初始賦值，聯(lián)立上述物理量，可將鄰域?；幚肀磉_(dá)式定義為：

?；葪l件越小表示鄰域節(jié)點的聚合能力越弱。在實施?；幚頃r，所需消耗的鄰域節(jié)點參量也就越少。

2）鄰域粗糙集的逼近。鄰域粗糙集逼近是在已知領(lǐng)域節(jié)點所處位置的基礎(chǔ)上，通過逼近處理的方式，確保邊緣節(jié)點與中心節(jié)點之間的距離始終處在可控范圍之內(nèi)，從而使得鄰域粗集神經(jīng)網(wǎng)絡(luò)對于數(shù)據(jù)樣本的承載能力得到提升。

一般情況下，粗糙度較高側(cè)鄰域節(jié)點的分布數(shù)量較多，而粗糙度較低側(cè)鄰域節(jié)點的分布數(shù)量較少[6-7]。在實施逼近處理時，將鄰域節(jié)點劃分在同一平面內(nèi)，且規(guī)定粗糙度平均值能夠描述該平面內(nèi)鄰域節(jié)點的具體分布狀態(tài)。假設(shè)r表示逼近參量的初始賦值，χ表示鄰域節(jié)點排列系數(shù)，ymax表示粗糙度指標(biāo)的最大賦值結(jié)果，ymin表示粗糙度指標(biāo)的最小賦值結(jié)果，yˉ表示系數(shù)ymax與系數(shù)ymin的平均值，φ表示邊緣化逼近向量。在上述物理量的支持下，聯(lián)立式（2），可將鄰域粗糙集逼近原則定義為如下形式：

由于鄰域節(jié)點劃分平面不具備絕對性，所以鄰域粗糙集逼近表達(dá)式的作用只具有參考價值，并不能直接影響鄰域節(jié)點在神經(jīng)網(wǎng)絡(luò)模型內(nèi)的排列與分布形式。

1.2 神經(jīng)網(wǎng)絡(luò)模型

神經(jīng)網(wǎng)絡(luò)模型是在鄰域粗集原則基礎(chǔ)上構(gòu)建的網(wǎng)絡(luò)結(jié)構(gòu)，由輸入節(jié)點、篩選節(jié)點、聚合節(jié)點、輸出節(jié)點四部分組成。其中，輸入節(jié)點直接接觸數(shù)據(jù)，負(fù)責(zé)錄入樣本信息[8-9]；篩選節(jié)點與輸入節(jié)點按照鄰域粗集原則，挑選處理待分類的大數(shù)據(jù)特征參量，再將這些信息樣本反饋回系統(tǒng)數(shù)據(jù)庫主機；聚合節(jié)點對已篩選出來的大數(shù)據(jù)特征參量再次聚合，使分類主機能夠準(zhǔn)確分類數(shù)據(jù)樣本；輸出節(jié)點只負(fù)責(zé)顯示樣本信息，不能改變數(shù)據(jù)的排列形式[10]。鄰域粗集神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1 所示。

圖1 神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)

2 大數(shù)據(jù)特征分類系統(tǒng)設(shè)計

利用鄰域粗集神經(jīng)網(wǎng)絡(luò)選取調(diào)制信息樣本后，按照調(diào)制識別器設(shè)置、大數(shù)據(jù)特征導(dǎo)出、多標(biāo)合并的處理流程，實現(xiàn)大數(shù)據(jù)特征分類系統(tǒng)的設(shè)計與應(yīng)用。

2.1 調(diào)制識別器

調(diào)制識別器負(fù)責(zé)提取鄰域粗集神經(jīng)網(wǎng)絡(luò)中存儲的數(shù)據(jù)樣本，利用傳輸信道將信息樣本反饋至底層調(diào)制芯片與Map 識別元件中，并于其中生成長期文本記憶，以供系統(tǒng)分類主機的直接調(diào)取與利用[11-12]。調(diào)制識別器結(jié)構(gòu)的連接簡圖如圖2 所示。

圖2 調(diào)制識別器結(jié)構(gòu)簡圖

鄰域粗集神經(jīng)網(wǎng)絡(luò)輸出的大數(shù)據(jù)樣本保持并序排列的分布狀態(tài)，隨著網(wǎng)絡(luò)覆蓋區(qū)域的增大，其排布形式卻并不會發(fā)生改變。作為調(diào)制識別器的核心處理設(shè)備，數(shù)據(jù)調(diào)制芯片、Map 識別元件對于數(shù)據(jù)樣本的存儲能力并無明顯差別，但前者對于數(shù)據(jù)信息排列標(biāo)準(zhǔn)的要求相對較高，其內(nèi)部存儲對象必須保持為順序排列狀態(tài)，而后者對于數(shù)據(jù)信息的排列標(biāo)準(zhǔn)無嚴(yán)格要求[13]。

2.2 大數(shù)據(jù)特征導(dǎo)出

大數(shù)據(jù)特征導(dǎo)出過程就是將大數(shù)據(jù)樣本由鄰域粗集神經(jīng)網(wǎng)絡(luò)導(dǎo)出至分類系統(tǒng)運行主機的過程。由于調(diào)制識別器設(shè)備的存在，大數(shù)據(jù)樣本的單位輸出量并不會無限增大，故而在系統(tǒng)運行過程中，當(dāng)已導(dǎo)出特征參量達(dá)到既定數(shù)值水平后，神經(jīng)網(wǎng)絡(luò)體系會自動判定系統(tǒng)網(wǎng)絡(luò)主機已達(dá)到最大運行速率[14-15]。假設(shè)u表示基于鄰域粗集神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)分類指標(biāo)，其求解表達(dá)式如下：

其中，γ表示鄰域粗集神經(jīng)網(wǎng)絡(luò)中的數(shù)據(jù)樣本識別權(quán)限，ε表示數(shù)據(jù)樣本度量值，Iε表示基于系數(shù)ε的大數(shù)據(jù)查詢條件。在此基礎(chǔ)上，令ι、κ表示兩個隨機選取的大數(shù)據(jù)樣本傳輸量，Aι表示基于ι的分類特征，Aκ表示基于κ的分類特征，φ表示大數(shù)據(jù)樣本的分配權(quán)重值，聯(lián)立上述物理量，可將大數(shù)據(jù)特征導(dǎo)出結(jié)果表示為：

若ι與κ的差值較小，則表示待分類的大數(shù)據(jù)特征指標(biāo)相對較少；反之，則表示特征指標(biāo)相對較多，鄰域粗集神經(jīng)網(wǎng)絡(luò)所需承擔(dān)的數(shù)據(jù)處理指令相對較為復(fù)雜。

2.3 多標(biāo)合并

多標(biāo)合并是設(shè)計大數(shù)據(jù)特征分類系統(tǒng)的關(guān)鍵處理環(huán)節(jié)，可以將已導(dǎo)出的大數(shù)據(jù)特征串聯(lián)在一起，以供鄰域粗集神經(jīng)網(wǎng)絡(luò)的自主選擇[16]。由于鄰域粗集神經(jīng)網(wǎng)絡(luò)中同時運行的大數(shù)據(jù)總量相對較多，所以在求解多標(biāo)合并規(guī)則時，應(yīng)確定當(dāng)前情況下待分類大數(shù)據(jù)特征參量的具體數(shù)值水平。假設(shè)kn表示n個待運行的大數(shù)據(jù)樣本，λn分別表示與n個大數(shù)據(jù)樣本匹配的特征參量合并處理系數(shù)，h表示基于鄰域粗集神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)標(biāo)定參量，且其取值恒大于自然數(shù)1。大數(shù)據(jù)特征分類系統(tǒng)多標(biāo)合并原則的推導(dǎo)條件滿足式（6）：

按照多標(biāo)合并原則，調(diào)節(jié)相關(guān)硬件設(shè)備的運行狀態(tài)，實現(xiàn)基于鄰域粗集神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)特征分類系統(tǒng)的順利應(yīng)用。

3 實例分析

3.1 實驗流程與數(shù)據(jù)處理

為驗證上述分類系統(tǒng)的執(zhí)行能力，設(shè)計對比實驗，具體實驗流程如下：

1）將基于鄰域粗集神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)特征分類系統(tǒng)作為實驗組，控制主機元件，并記錄相關(guān)指標(biāo)參量的數(shù)值變化情況；

2）閉合相關(guān)控制按鈕，使實驗組系統(tǒng)進(jìn)入自主運行狀態(tài)后，關(guān)閉控制按鈕，調(diào)節(jié)相關(guān)設(shè)備元件至初始狀態(tài)；

3）將傳統(tǒng)的k-prototypes 聚類算法作為對照組，控制主機元件，記錄相關(guān)指標(biāo)參量的數(shù)值變化情況；

4）閉合相關(guān)控制按鈕，使對照組系統(tǒng)進(jìn)入自主運行狀態(tài)；

5）對比實驗組、對照組記錄數(shù)值，總結(jié)實驗規(guī)律。

主機元件對大數(shù)據(jù)樣本的分類準(zhǔn)確性可以反映出所選系統(tǒng)對大數(shù)據(jù)的傳輸能力。主機元件對大數(shù)據(jù)樣本的分類準(zhǔn)確性越高，系統(tǒng)對大數(shù)據(jù)的傳輸能力就越強，即數(shù)據(jù)誤傳行為的出現(xiàn)可能性越小。該指標(biāo)的計算過程為：

其中，η表示主機元件對大數(shù)據(jù)樣本的分類準(zhǔn)確性，ξ表示實驗數(shù)據(jù)樣本的單位召回率，ω表示收斂分類容差。根據(jù)式（7）可知，實驗數(shù)據(jù)樣本的單位召回率越高、收斂分類容差越大，表示主機元件對大數(shù)據(jù)樣本的分類準(zhǔn)確性越高。

3.2 結(jié)果與分析

圖3 反映了實驗組、對照組實驗數(shù)據(jù)樣本單位召回率指標(biāo)的數(shù)值變化情況。

圖3 實驗數(shù)據(jù)樣本單位召回率

分析圖3 可知，實驗組數(shù)據(jù)樣本單位召回率指標(biāo)保持先上升、再波動、最后基本趨于穩(wěn)定的數(shù)值變化狀態(tài)，在15 min時，單位召回率指標(biāo)達(dá)到最大，數(shù)值為65%；對照組數(shù)據(jù)樣本單位召回率指標(biāo)則呈現(xiàn)出先上升、再下降的數(shù)值變化態(tài)勢，在20 min時，單位召回率指標(biāo)取得最大值32%，低于實驗組最大數(shù)值。由此可知，實驗組系統(tǒng)可將大數(shù)據(jù)的單位召回率提升至65%，明顯優(yōu)于對照組，說明實驗組系統(tǒng)主機元件對大數(shù)據(jù)樣本的分類準(zhǔn)確性也更高。表1 統(tǒng)計了收斂分類容差的變化情況。

表1 收斂分類容差指標(biāo)

由表1 可知，隨著實驗時間的增加，實驗組、對照組的收斂分類容差指標(biāo)均不斷增大，但實驗組容差指標(biāo)均值略高于對照組。在整個實驗過程中，實驗組收斂分類容差指標(biāo)最大值1.20，與對照組最大值1.10 相比，增大了0.10。

為確定系統(tǒng)對于大數(shù)據(jù)特征的最強分類能力，求解準(zhǔn)確性指標(biāo)。選取樣本單位召回率指標(biāo)、收斂分類容差指標(biāo)的最大值，計算實驗組、對照組分類準(zhǔn)確性，具體計算過程如下：

其中，C、Cmax分別表示樣本單位召回率指標(biāo)及其最大值，D、Dmax分別表示收斂分類容差指標(biāo)及其最大值，ω1、ω2分別表示召回率和分類容差的權(quán)重。經(jīng)式（8）的計算，統(tǒng)計實驗組、對照組的分類準(zhǔn)確性，結(jié)果如表2 所示。

表2 分類準(zhǔn)確性

分析表2 可知，實驗組、對照組的分類準(zhǔn)確性呈現(xiàn)上升態(tài)勢，經(jīng)多次測試后，實驗組的分類準(zhǔn)確性達(dá)到94.55%，明顯高于對照組。

綜上可知，應(yīng)用傳統(tǒng)系統(tǒng)后，實驗數(shù)據(jù)樣本單位召回率指標(biāo)的數(shù)值水平相對較低，故而該系統(tǒng)并不能完全滿足主機元件對大數(shù)據(jù)樣本進(jìn)行精準(zhǔn)分類的需求；基于鄰域粗集神經(jīng)網(wǎng)絡(luò)的系統(tǒng)能夠有效提升數(shù)據(jù)樣本的單位召回率水平，在解決大數(shù)據(jù)誤傳問題、提升主機元件對大數(shù)據(jù)分類準(zhǔn)確性方面具有更強的實用性價值。

4 結(jié)束語

以鄰域粗集神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，大數(shù)據(jù)特征分類系統(tǒng)設(shè)置了調(diào)制識別器結(jié)構(gòu)，又通過推導(dǎo)大數(shù)據(jù)特征導(dǎo)出條件的方式，定義多標(biāo)合并表達(dá)式。與常規(guī)的k-prototypes 聚類算法相比，這種新型分類系統(tǒng)從提升主機元件對大數(shù)據(jù)分類準(zhǔn)確性的角度著手，能夠在解決數(shù)據(jù)誤傳問題的同時，聯(lián)合相關(guān)應(yīng)用設(shè)備，調(diào)整鄰域粗集神經(jīng)網(wǎng)絡(luò)的實際覆蓋面積，不僅實現(xiàn)了對相關(guān)特征分類節(jié)點的鄰域粒化處理，也使得鄰域粗糙集結(jié)果能夠更加逼近實際約束標(biāo)準(zhǔn)。