科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了解决传统的模糊聚类算法无法有效聚类动态数据,导致更新数据处理效果差、数据聚类效率低的问题,提出研究一种嵌入式模糊集数据库的FCM增量式聚类算法。分析嵌入式模糊集数据库结构,将待推荐检索数据的时间变多径关联维代入数据库结构中去,对冗余干扰实施滤波处理,形成嵌入式模糊集数据库数据信息流模型。排除干扰后,利用FCM增量式聚类算法获取分离度与凝聚度,对数据库中的数据进行聚类评估,依据评估结果在聚类过程中插入或删除数据,动态调整聚类结果,再引入自适应FCM增量式聚类算法实现嵌入式模糊集数据库的增量式聚类。实验结果表明,与传统算法相比,采用该算法可准确分类数据特征,且对大数据增量数据的聚类精度和效率高,平均聚类时间约为0. 46s,验证了该算法具有较高的聚类性能。
-
单位上海财经大学浙江学院
