海量散乱点云数据的模糊聚类挖掘方法研究

摘要：

物联网和云计算环境下海量散乱点云数据挖掘容易受到关联规则项的干扰,数据挖掘的模糊聚类不好.为了提高海量散乱点云数据挖掘能力,提出一种基于支持向量机的大数据分类挖掘技术.采用分段向量量化编码技术进行海量散乱点云数据空间存储结构分析,结合闭频繁项集检测方法进行海量散乱点云数据的信息融合处理,对高维融合数据进行语义特征分析和关联规则特征提取,对提取的海量散乱点云数据的关联规则采用支持向量机分类器进行模式识别,结合尺度分解方法对分类输出的海量散乱点云数据进行降维处理,采用模糊聚类方法实现对海量散乱点云数据的分类挖掘.仿真结果表明,采用该方法进行海量散乱点云数据挖掘的聚类性能较好,数据挖掘的精度较高.

关键词：海量散乱点云数据、挖掘、模糊聚类、特征提取

所属期刊栏目：29

分类号：TP391(计算技术、计算机技术)

资助基金：2019年"攀登计划"广东大学生科技创新培育专项资金立项项目pdjh2019b0616

在线出版日期：2019-12-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：12-16