基于PSO的云计算环境中大数据优化聚类算法

• 作者: 朱亚东 高翠芳
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 粒子群 数据聚类 云计算 大数据
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 178-182
• 页数: 5页
• 分类号: TP391.9
• 字数: 3769字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2016.09.040

摘要

在云计算环境下，对大数据进行优化聚类是实现数据优化访问和挖掘的基础。传统方法采用模糊C均值聚类算法进行云计算中的大数据聚类，易陷入局部极值，产生聚类偏移，效果不佳。提出一种基于优化粒子群( PSO)算法的大数据聚类算法。分析了云计算环境中的大数据结构模型，计算大数据的离散样本频谱特征，实现聚类样本的特征提取和信息模型构建。由于粒子群在搜索过程中经常会陷入局部最优解，采用混沌映射方法，带领粒子逃离局部最优解，设计粒子群优化算法进行特征聚类，达到大数据优化聚类的目的。仿真结果表明，采用该算法进行数据聚类，误分率降低，寻优性能较好，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	朱亚东	江苏联合职业技术学院信息中心	31	49	4.0	5.0
2	高翠芳	江南大学理学院	18	91	5.0	9.0