10.11896/j.issn.1002-137X.2016.4.040
引入时频聚集交叉项干扰抑制的大数据聚类算法
面向大数据集管理的数据聚类方法研究在模式识别、故障诊断和数据挖掘等领域具有重要的研究意义.传统的大数据聚类算法采用混合差分进化的粒子群算法,因数据信息流分量之间的交叉作用而出现的类间交叉项干扰影响了聚类分量的正确判断,聚类效果不好.提出了一种基于时频聚集交叉项干扰抑制的大数据聚类算法.在面向传播学视域下物联网大数据库中生成大数据聚类的信息特征向量,对任意两个分簇矢量进行近邻样本的隶属度训练,在时间滑动窗口模型中进行信息调度,采用高频分量抑制方法实现对时频聚集交叉项的干扰抑制,通过频域卷积相似度融合处理,采用粒子群优化算法进行聚类适应度计算,以实现数据聚类算法改进.仿真结果表明,采用该算法进行大数据聚类,具有较好的抗干扰性和自适应性,聚类准确度较高.
大数据、聚类、粒子群、干扰抑制
43
TP391(计算技术、计算机技术)
2016-05-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
197-201