粒子群差分扰动优化的聚类算法研究

• 作者: 于海鹏 张鹏 米捷
• 来源期刊: 河南工程学院学报（自然科学版）
• 学科: 工学
• 关键词: 大数据 聚类 模糊C均值 粒子群
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 计算机科学
• 页码范围: 63-68
• 页数: 6页
• 分类号: TP391
• 字数: 4717字
• 语种: 中文

摘要

通过对大数据优化聚类分析,实现了机械设备的工况监测和故障诊断,提出了一种基于粒子群差分扰动优化的数据模糊C均值聚类改进算法,利用粒子群种群进化的差异度逐渐变小的聚集原理,求得符合分类属性模式的有限数据集特征,使用关联维特征提取方法得到时频聚类交叉项,结合模糊C均值聚类算法,把适应度最小的粒子群个体进行差分进化处理,实现大数据信息流的特征融合和优化聚类.仿真结果表明,采用该算法进行大数据聚类处理,数据聚类中心具有较好的聚焦能力,受到的旁瓣干扰较小,避免陷入局部最优,降低了误分率,在工况识别等领域具有较好的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于海鹏	河南工程学院计算机学院	29	128	6.0	10.0
2	米捷	河南工程学院计算机学院	26	95	4.0	9.0
3	张鹏		1	11	1.0	1.0