大数据挖掘中的K⁃means无监督聚类算法的改进

摘要：

针对K-means聚类算法简单,并且收敛速度比较快的问题,提出基于大数据挖掘的K?means无监督聚类算法.此算法设置一定范围,在迭代次数不断动态增加中,交叉算法增加,从而使算法在迭代过程中实现全局搜索,再实现局部搜索,有助于平衡算法全局寻优及局部搜索能力,使算法收敛速度加快.对K?means聚类算法和标准差分进化算法进行分析,提出K?means聚类算法的改进,给出算法改进的步骤,利用实验对算法进行仿真.通过仿真结果表示,此算法聚类效果良好,聚类划分精度和稳定性高,还具有较高的稳定性.

关键词：大数据挖掘、差分进化算法、K-means聚类算法、全局寻优、鲁棒性、收敛速度

所属期刊栏目：43

分类号：TN911.1-34;TP391

资助基金：山西省教育科学规划课题GH-19138

在线出版日期：2020-10-13（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：118-121