大數(shù)據(jù)分析基礎：數(shù)據(jù)降維方法研究

　　《大數(shù)據(jù)分析基礎：數(shù)據(jù)降維方法研究》通過對現(xiàn)有降維方法的梳理，提出三個混合式特征選擇算法，分別是斯皮爾曼協(xié)方差布谷鳥算法（MSMCCS）、K值相關相冗改進的灰狼優(yōu)化算法（KMR21GWO）和皮爾森距離改進的鯨魚優(yōu)化算法（MPMDI-WOA）。實驗結(jié)果表明，MSMCCS算法有很快的收斂速度并且分類準確率明顯好于其他算法。KMR21GWO算法在14個數(shù)據(jù)集上降維的效果非常明顯，降維效果達到原來的0.4%~0.04%。在大部分數(shù)據(jù)集上MPMDIWOA算法的分類準確率高于其他算法。因此，提出的三個算法在有較高分類準確率的前提下，取得了理想的降維效果，為進行大數(shù)據(jù)分析奠定了基礎。

　　鄭月鋒，男，1978年12月生，工學博士，現(xiàn)任吉林師范大學計算機學院副教授。先后在國內(nèi)外學術期刊發(fā)表論文10余篇，其中SCI檢索論文3篇，參編教材6部，主持和參與國家、省部級、地廳級科研、教研項目20余項，獲得部、省、市級科研和教學獎項8項。