排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
针对传统的K-means聚类算法在海量数据分类中,对数据模糊分解区域判定不敏感,容易陷入局部优化解,无法实现海量数据的模糊聚类的问题,本文设计一种用于海量数据分类的模糊区域判定算法,通过计算大数据模糊区域状态特点的参量,进行大数据最优聚类中点的选取,在聚类中心区域创建任意下单个数据的互通,对每个微小数据特征实现互通;通过计算隶属度以及确定聚类数的方式,解决被隐藏在海量数据中的模糊区域真实边界,实现对海量数据模糊区域的聚类求解。结果说明,所提算法能得到精确的模糊聚类效果,提高海量数据的模糊聚类效率。 相似文献
2.
在匿名隐私保护系统中增量式匿名化隐私保护数据具有容量大和分散性强的特点,导致挖掘的聚类性不好。提出一种基于互信熵特征提取的增量式匿名化隐私保护数据的挖掘算法,在云计算平台下分析增量式匿名化隐私保护数据的存储结构模型,结合闭频繁项集特征重组方法进行增量式匿名化隐私保护数据的离散化特征重构,在重构的Hadoop云计算平台中进行增量式匿名化隐私保护数据的关联特征提取,采用增量式支持向量机算法对提取的数据特征进行分类识别,根据分类结果实现增量式匿名化的隐私保护数据挖掘。仿真结果表明,采用该方法进行匿名化的隐私保护数据挖掘的准确性较高,特征提取精度较好,收敛性较强。 相似文献
1