基于高斯混合模型的最大期望聚类算法研究

• 作者: 何庆 易娜 江立斌 汪新勇
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 高斯混合模型 最大期望 聚类算法
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 研究与设计
• 页码范围: 50-52,75
• 页数: 4页
• 分类号: TG409
• 字数: 2715字
• 语种: 中文

摘要

聚类分析通过数据挖掘、机器学习技术,进行数据查找,传统聚类分析中串行方法的数据处理,要求处理内存大数据,CPU运算速度快,无法进行海量数据分析.高斯混合模型中概率密度函数,精确地处理海量数据,将其分配到各个混合成分中,实现精细化查找,并简化数据处理步骤.高斯混合模型利用最大期望(EM)算法进行参数评估,显著提高数据分析速度.基于最大期望聚类算法原理,对高斯混合模型进行优化,旨在实现海量数据的准确运算.高斯模型结合Hadoop平台中的海量数据进行算法分析,对大数据的可视化处理和样本分析提供帮助.研究结果显示:最大期望聚类算法可以进行海量数据分析,通过简化运算步骤,实现短时间内的数据查找、分析和处理.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何庆		11	27	3.0	5.0
2	易娜		1	6	1.0	1.0
3	汪新勇		1	6	1.0	1.0
4	江立斌		1	6	1.0	1.0