基于云計算的大數(shù)據(jù)聚類挖掘算法研究

打開文本圖片集

摘要：基于云計算的大數(shù)據(jù)聚類挖掘，需要結(jié)合改進粒子群算法、k-means算法的優(yōu)勢，提出基于改進粒子群優(yōu)化（Particle Swarm Optimization，PSO）的k-means聚類算法，設(shè)置自調(diào)節(jié)慣性權(quán)重、云變異算子，根據(jù)數(shù)據(jù)集種群的進化程度，調(diào)整粒子群算法的全局搜索、局部搜索能力，追蹤數(shù)據(jù)粒子的個體極值、全局極值，更新每個數(shù)據(jù)個體在解空間中的點位置、更新速度，并在數(shù)據(jù)種群進化到一定程度時進行變異操作，選擇全局極值作為期望Ex來控制種群迭代次數(shù)，避免數(shù)據(jù)挖掘陷入早熟收斂、局部最優(yōu)解的情況。（剩余4949字）