海量散乱点云数据的模糊聚类挖掘方法研究

• 作者: 冯飞龙 刘文林 吴宏裕 陆兴华
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 海量散乱点云数据 挖掘 模糊聚类 特征提取
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 12-16
• 页数: 5页
• 分类号: TP391
• 字数: 3648字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.11.003

摘要

物联网和云计算环境下海量散乱点云数据挖掘容易受到关联规则项的干扰,数据挖掘的模糊聚类不好.为了提高海量散乱点云数据挖掘能力,提出一种基于支持向量机的大数据分类挖掘技术.采用分段向量量化编码技术进行海量散乱点云数据空间存储结构分析,结合闭频繁项集检测方法进行海量散乱点云数据的信息融合处理,对高维融合数据进行语义特征分析和关联规则特征提取,对提取的海量散乱点云数据的关联规则采用支持向量机分类器进行模式识别,结合尺度分解方法对分类输出的海量散乱点云数据进行降维处理,采用模糊聚类方法实现对海量散乱点云数据的分类挖掘.仿真结果表明,采用该方法进行海量散乱点云数据挖掘的聚类性能较好,数据挖掘的精度较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆兴华	广东工业大学华立学院	79	435	11.0	19.0
2	吴宏裕	广东工业大学华立学院	6	2	1.0	1.0
3	刘文林	广东工业大学华立学院	4	0	0.0	0.0
4	冯飞龙	广东工业大学华立学院	3	0	0.0	0.0