基于模糊数学的高维稀疏数据聚类统计方法设计

摘要：

传统的数据聚类统计方法仅适用于解决低维数据聚类问题.设计基于模糊数据的高维稀疏数据聚类统计方法,以期提升高维稀疏数据的聚类统计效果.以模糊C均值聚类算法为基础,通过优化初始聚类中心解决局部最优问题,缩短聚类统计时间;引入权重机制,令该方法适用于高维稀疏数据聚类统计.基于此,以余弦距离替换原有的欧几里德距离,提高高维稀疏数据聚类统计效果.实验证明:在数据维度不同时,该方法均有较优的聚类统计效果.当数据维度较低时,分块比例为10％ 时聚类统计效果最优;当数据维度较高时,分块比例为40％ 时聚类统计效果最优.在不同稀疏度等级时,该方法的命中率和聚类统计效率均较高.

关键词：模糊数学;高维稀疏数据;聚类统计;模糊C均值;聚类中心;余弦距离

所属期刊栏目：37

分类号：O159(代数、数论、组合理论)

在线出版日期：2022-01-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：60-65