基于K-means-CNN耦合的采砂大數(shù)據(jù)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(shù)據(jù)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(jīng)網(wǎng)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(shù)據(jù)更易于聚類；對數(shù)據(jù)集進行CNN網(wǎng)絡訓練，根據(jù)各種不同的樣本進行網(wǎng)絡參數(shù)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(shù)據(jù)輸入經(jīng)過K-means-CNN智能耦合的模式中，將水下采砂大數(shù)據(jù)分為缺失、冗余、混亂、正常四種類型，并進行標記和數(shù)據(jù)清洗。（剩余7289字）