基于最优学习的社交网络JPEG图像敏感数据挖掘方法

摘要

为了提升JPEG图像敏感数据挖掘的精度与实时性,基于最优学习研究社交网络JPEG图像敏感数据挖掘方法。根据特征涵盖性与概率条件,构建特征数据萃取层与概率数据构建层,由特征数据萃取层对社交网络数据实施特征抓取、预处理、分析归类及特征回传,创建数据挖掘模型;采用OWF-RV集列算法构建概率数据构建层的动态概率分离器,实现对社交网络JPEG图像敏感数据的广度及深度挖掘。实验结果表明,该方法具有优越的分类与挖掘性能,挖掘结果精准可靠,同时具有较高的实时性,保障社交网络的安全性。