云计算中基于群体智能算法的大数据聚类挖掘

发布时间：2021-09-05 19:22

　　为了提高数据挖掘的精度和效率,提出了一种基于群体智能算法的大数据聚类挖掘算法。首先对聚类算法中的模糊C-均值聚类算法进行分析,然后将亚启发式群体智能优化技术中的混合蛙跳算法与模糊C-均值聚类相结合,以便在调整的参数少的条件下优化全局搜索能力。仿真实验结果显示:相比其他聚类挖掘算法,提出的算法能解决局部陷阱问题,具有较好的聚类效果、准确率和收敛速度,同时算法的稳定性较高。 

【文章来源】：重庆理工大学学报(自然科学). 2019,33(04)北大核心

【文章页数】：7 页

【文章目录】：
1 聚类分析
    1.1 聚类分析的相关概念
    1.2 模糊聚类分析
2 模糊C-均值聚类算法
3 混合蛙跳算法与模糊C-均值聚类算法的融合
    3.1 混合蛙跳算法
    3.2 算法融合思想和步骤
4 仿真实验结果
    4.1 实验数据集
    4.2 聚类效果分析
    4.3 收敛速度比较
5 结束语


【参考文献】：
期刊论文
[1]基于K-Means和网格化聚类的云数据管理模型研究[J]. 刘加伶,程春游,陈庄,朱艳蓉.  重庆理工大学学报(自然科学). 2017(09)
[2]不同品种蓝莓品质特性及聚类分析[J]. 韩斯,孟宪军,汪艳群,李斌,李冬男.  食品科学. 2015(06)
[3]混合蛙跳算法研究综述[J]. 崔文华,刘晓冰,王伟,王介生.  控制与决策. 2012(04)
[4]基于模糊聚类分析的云计算负载平衡策略[J]. 姚婧,何聚厚.  计算机应用. 2012(01)



本文编号：3385938