分块自适应加权改进大规模模糊聚类

作     者：田彦彦 孙静 TIAN Yan-yan;SUN Jing

作者机构：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 

基　　金：河南省科技攻关项目(152102210353) 

出 版 物：《机械设计与制造》 (Machinery Design & Manufacture)

年 卷 期：2021年第9期

页      码：279-282页

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。

主 题 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 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 081104[081104] 0802[工学-机械学] 0835[0835] 0811[工学-水利类] 080201[080201] 0812[工学-测绘类] 

D　O　I：10.19356/j.cnki.1001-3997.2021.09.062

馆 藏 号：203104871...