大数据挖掘中的K⁃means无监督聚类算法的改进

• 作者: 吴海丽
• 来源期刊: 现代电子技术
• 关键词: 大数据挖掘 差分进化算法 K-means聚类算法 全局寻优 鲁棒性 收敛速度
• 年，卷（期）: 2020,（19）
• 所属期刊栏目: 测控与自动化技术
• 页码范围: 118-121
• 页数: 4页
• 分类号: TN911.1-34|TP391
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2020.19.028

摘要

针对K-means聚类算法简单,并且收敛速度比较快的问题,提出基于大数据挖掘的K?means无监督聚类算法.此算法设置一定范围,在迭代次数不断动态增加中,交叉算法增加,从而使算法在迭代过程中实现全局搜索,再实现局部搜索,有助于平衡算法全局寻优及局部搜索能力,使算法收敛速度加快.对K?means聚类算法和标准差分进化算法进行分析,提出K?means聚类算法的改进,给出算法改进的步骤,利用实验对算法进行仿真.通过仿真结果表示,此算法聚类效果良好,聚类划分精度和稳定性高,还具有较高的稳定性.