-
题名大数据中数据挖掘模型的模糊改进聚类算法
被引量：10
- 1
-
-
作者
李小红
常振云
-
机构
天津天狮学院信息科学与工程学院
-
出处
《现代电子技术》
北大核心
2020年第3期177-182,共6页
-
文摘
在大数据的数据挖掘模型中,普遍采用模糊聚类算法进行数据分析。常用的模糊C均值聚类算法即FCM聚类算法,具有较多明显缺点,如抗噪性偏低、收敛速度慢、聚类数目无法自动确定等。常用的增量式模糊聚类方法通常在原有的以一个中心点为集群代表的基础上,改为选取多中心点进行增量式聚类算法的分析。但是,通过这样的算法进行数据分析也存在一定的问题,主要表现在其中心点选择是固定的,灵活性很差。基于以上原因,文中将对原有基础算法做出改进,主要对大数据中数据挖掘模型的增量型模糊聚类算法做出分析,经实践验证,改进后算法切实可行,普适性较强。
-
关键词
增量型模糊聚类
大数据
数据挖掘模型
聚类算法
余弦相似度
隶属度矩阵
-
Keywords
incremental fuzzy clustering
big data
data mining model
clustering algorithm
cosine similarity
membership matrix
-
分类号
TN911.1-34
[电子电信—通信与信息系统]
-
