【出 处】：《 计算机仿真 》 CSCD 2015年第32卷第12期 392-395页,共4页

【作 者】： 邵海军

【摘 要】 对web数据属性进行准确的分类，可提高后期网络数据通的性能。随着web数据量增多，web关联数据特征会随着冗余数据的增加，特征数据会被淹没淡化，关联属性变弱。在传统的web数据分类过程中，主要以跟踪标记的web数据关联特征为基础进行分类，如果特征变弱，会导致web数据分类过程形成反复、不断的对比校验，存在效率差，准确率低的。提出基于web数据修补技术与新型蚁群算法相结合的弱关联web数据分类方法，首先对弱关联web数据的关联性利用关联查询过程中的实时属性进行修补，然后在利用TSP规则对蚁群信息素的更新、融合，并将融合结果运用于弱关联数据分类中，以实现web数据的准确分类。仿真结果表明，改进方法对于弱关联数据库中的海量数据能够有效的进行分类。