基于K-means-CNN耦合的采砂大數據智能清洗模型研究

打開文本圖片集

摘  要：針對水下采砂大數據中存在信息缺失、冗余、混亂等問題，構建一種K-means聚類與CNN（卷積神經網絡）的耦合模型。首先應用最小二乘法得到K-means的聚類閾值，使同類型數據更易于聚類；對數據集進行CNN網絡訓練，根據各種不同的樣本進行網絡參數選擇，同時實現(xiàn)了CNN智能融合處理；再把從現(xiàn)場收集的大數據輸入經過K-means-CNN智能耦合的模式中，將水下采砂大數據分為缺失、冗余、混亂、正常四種類型，并進行標記和數據清洗。（剩余7289字）