海量数据信息中的迭代聚类过程的改进研究

• 作者: 穆肇南
• 来源期刊: 科技通报
• 学科: 工学
• 关键词: 海量数据信息 迭代聚类 并归
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 工业技术
• 页码范围: 152-155
• 页数: 4页
• 分类号: TP311.52
• 字数: 3406字
• 语种: 中文

摘要

对海量数据信息进行迭代聚类能够为数据挖掘提供准确的依据，具有重要的应用价值。传统算法对于初始参数的选取过于敏感，从而降低了迭代聚类的准确率。提出基于并归聚类的海量数据信息中的迭代聚类方法。采用离差隶属度进行数据信息聚类中心的计算，确定数据信息的聚类中心；采用类间距离作为并归聚类判别的标准，用于判定数据信息特征与聚类中心的距离；对海量数据信息特征与聚类中心的计算结果进行归类处理，直至所有的数据信息的聚类中心都结束并归，从而获得准确的迭代聚类结果。仿真实验结果表明，改进算法能够提高海量数据信息中的迭代聚类结果，效果令人满意。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	穆肇南		12	17	3.0	4.0