| 分块自适应加权改进大规模概率模糊聚类 |
| |
| 引用本文： | 景慎艳,刘松迪.分块自适应加权改进大规模概率模糊聚类[J].火力与指挥控制,2021,46(12):88-93. |
| |
| 作者姓名： | 景慎艳 刘松迪 |
| |
| 作者单位： | 辽宁对外经贸学院大数据研究院,辽宁大连116052;辽宁对外经贸学院大数据研究院,辽宁大连116052;吉林大学软件学院,长春130000 |
| |
| 摘 要： | 为解决传统基于贝叶斯理论的概率模糊聚类(Bayesian Fuzzy Clustering,BFC)算法在处理大规模数据集聚类时的时间开销和存储代价瓶颈,提出基于数据分块的单程自适应加权BFC算法,算法在大规模数据集分块的基础上,设计了基于数据加权的改进BFC算法,用于数据分块内数据聚类,以挑选出对聚类贡献最具代表的标识数据及其自适应权值,在块间迭代聚类过程中,将标识数据及其权值合并到下一数据块中并参与聚类,从而将上一数据块的聚类信息有效地传递到下一数据块中,最后分析算法的收敛性和时间复杂度.实验结果表明,算法在继承传统BFC算法良好聚类性能基础上,减少计算复杂度,有效提高聚类效率,适用于大规模数据集聚类.
|
| 关 键 词： | 大规模数据集聚类 数据分块 加权概率模糊聚类 自适应数据加权 聚类信息传递 |
Block Adaptive Weighted Improved Large-scale Probabilistic Fuzzy Clustering |
| |
| JING Shen-yan,LIU Song-di.Block Adaptive Weighted Improved Large-scale Probabilistic Fuzzy Clustering[J].Fire Control & Command Control,2021,46(12):88-93. |
| |
| Authors: | JING Shen-yan LIU Song-di |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
