摘要
增量聚类算法可以解决数据量大、内存不足的问题.传统的增量式模糊聚类(incremental multiple medoids based fuzzy clustering, IMMFC)算法只为每个数据块选择一个或多个相同数目的中心,当聚类中的对象权重较小时聚类效果不好.该文提出新的增量式模糊聚类算法用于处理大数据集.首先将大数据集分成多个小的数据块,并对每个小的数据块进行模糊聚类;然后从每个小数据块的每个簇群中选择目标中心点,中心点的个数是簇群中对象的权重之和大于阈值的最少对象数.最后合并所有选定的中心点,并对最终数据块进行模糊聚类,获取最终的中心点.实验结果表明,与IMMFC算法相比,当数...
学科与关键词
关键词
模糊聚类增量式模糊聚类大数据集多中心点 fuzzy clusteringincremental fuzzy clusteringlarge data setmultiple-center points
- 改进的高效模糊C均值聚类算法丁旭晨; 林锦贤微型机与应用, 2013, (23): 74.
- 一种基于模糊集理论的双聚类算法邱杰; 喻昕; 罗海琼; 玉延华; 詹锋; 陈庆锋平顶山学院学报, 2013, (05): 8-11.
- 一种基于隶属度优化的演化聚类算法侯薇; 董红斌; 印桂生计算机研究与发展, 2013, (03): 548-558.
