文献类型：期刊文章

作　　者：樊凌[1] 龚伟[2]

机构地区：[1]江苏省现代企业信息化应用支撑软件工程技术研发中心,江苏苏州215104 [2]清华大学计算机科学与技术系,北京100084

出　　处：《计算机仿真》

基　　金：国家自然基金(61472268);国家自然基金(61472211);云环境下自主学习网络中知识点个性化推荐系统关键技术研究(SVU2015QN08)

年　　份：2016

卷　　号：33

期　　号：7

起止页码：435-439

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD_E2015_2016、ZGKJHX、核心刊

摘　　要：针对数据库中的MOOCs大数据进行快速准确聚类,在提高数据处理能力方面具有重要作用。由于无线网络数据库数据维数较大,使得数据具有一定的混合属性,传统的聚类方法先将MOOCs大数据进行分类,提取分类数据属性,然后对数据进行聚类,需要进行大量的迭代计算,导致MOOCs大数据聚类不准确的问题。提出基于非线性时间序列分析的MOOCs大数据聚类方法,通过非线性映射,将相似度参数对嵌入大数据维数的聚类进行计算,得出大数据条件下的最优聚类参数,应用基于信息准则的非线性时间序列法,确定大数据时间线性预测聚类分类半径。实验结果表明,采用改进的聚类方法相比传统的聚类方法,聚类精度较高,聚类复杂度较低。

关 键 词：非线性 时间序列 大数据 聚类算法

分 类 号：TP274]