云计算下的一种数据挖掘算法的研究

被引：4

作者：

徐浙君

机构：

[1] 浙江邮电职业技术学院

来源：

科技通报 | 2018年 / 34卷 / 11期

关键词：

云计算; 聚类; k值;

D O I：

10.13774/j.cnki.kjtb.2018.11.040

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

针对K-means聚类算法中的k值确定给聚类算法效果带来不确定性的问题,本文通过引入多层变量加权概念,提高聚类效果的收敛性,引入改进的非加权组平均法和最大最小距离算法有效的解决k值确定问题,引入Max-Entropy算法解决分布簇内节点分布不均导致的计算问题。仿真实验中,将本文算法的改进的效果进行研究,并结合云计算环境下通过使用本文算法在挖掘的加速比,花费时间上都取得了比较好的效果。

引用

页码：209 / 215+220 +220

页数：8

共 11 条

[1]

K-Means-Type Algorithms: A Generalized Convergence Theorem and Characterization of Local Optimality. Selim, Shokri Z.,Ismail, M. A. Pattern Analysis and Machine Intelligence, IEEE Transactions on . 1984

[2]

TW-k-means:Automated two-level variable weightingclustering algorithm for multiview data. Xiaojun Chen,Xiaofei Xu,Yunming Ye. Knowledge and Data Engineering . 2013

[3]

Cluster validity methods[J] . Maria Halkidi,Yannis Batistakis,Michalis Vazirgiannis. &nbspACM SIGMOD Record . 2002 (2)

[4] 一种基于多维空间超球体的快速聚类算法 [J].