基于高斯混合模型的最大期望聚类算法研究

摘要：

聚类分析通过数据挖掘、机器学习技术,进行数据查找,传统聚类分析中串行方法的数据处理,要求处理内存大数据,CPU运算速度快,无法进行海量数据分析.高斯混合模型中概率密度函数,精确地处理海量数据,将其分配到各个混合成分中,实现精细化查找,并简化数据处理步骤.高斯混合模型利用最大期望(EM)算法进行参数评估,显著提高数据分析速度.基于最大期望聚类算法原理,对高斯混合模型进行优化,旨在实现海量数据的准确运算.高斯模型结合Hadoop平台中的海量数据进行算法分析,对大数据的可视化处理和样本分析提供帮助.研究结果显示:最大期望聚类算法可以进行海量数据分析,通过简化运算步骤,实现短时间内的数据查找、分析和处理.

关键词：高斯混合模型、最大期望、聚类算法

所属期刊栏目：34

分类号：TG409(焊接、金属切割及金属粘接)

在线出版日期：2018-06-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：50-52,75