| 分块自适应加权改进大规模模糊聚类 |
| |
| 引用本文： | 田彦彦,孙静.分块自适应加权改进大规模模糊聚类[J].机械设计与制造,2021(9):279-282. |
| |
| 作者姓名： | 田彦彦 孙静 |
| |
| 作者单位： | 郑州工业应用技术学院机电工程学院,河南郑州451100;郑州工业应用技术学院机电工程学院,河南郑州451100;吉林大学软件学院,吉林长春130000 |
| |
| 摘 要： | 为解决传统模糊C均值聚类(Fuzzy C-means,FCM)算法在处理大规模数据集时遇到的时间复杂和内存不足等瓶颈,提出基于大数据集抽样分块的多视角自适应模糊聚类算法,算法通过邻域正则约束提高传统FCM算法的抗噪性,通过低秩与熵加权约束提高多视角一致性,以提高算法对多样化数据聚类的适应性,最后通过Canopy算法初始聚类中心提取、数据抽样分块和自适应加权优化算法对大规模数据聚类的适应性.实验结果表明,算法在继承传统多视角FCM算法良好聚类性能基础上,减少了计算复杂度,提高了聚类准确率,适于大规模数据集聚类.
|
| 关 键 词： | 大规模数据聚类 邻域正则约束 多视角一致 数据抽样分块 自适应加权聚类 |
Improved Large-Scale Fuzzy Clustering with Block Adaptive Weighting |
| |
| TIAN Yan-yan,SUN Jing.Improved Large-Scale Fuzzy Clustering with Block Adaptive Weighting[J].Machinery Design & Manufacture,2021(9):279-282. |
| |
| Authors: | TIAN Yan-yan SUN Jing |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
