文献类型：期刊文章

作　　者：姜延文[1]

JIANG Yan-wen(College of Computer,Hulunbuir University,Hulunbuir Inner Mongolia 021008,China)

机构地区：[1]呼伦贝尔学院计算机学院,内蒙古呼伦贝尔021008

出　　处：《计算机仿真》

年　　份：2019

卷　　号：36

期　　号：2

起止页码：205-208

语　　种：中文

收录情况：BDHX、BDHX2017、JST、ZGKJHX、核心刊

摘　　要：针对当前聚类方法计算时间较长、聚类结果不准确等问题,提出基于量子优化算法的大数据分析下多维离散数据高效聚类方法。采用空间重构分析方法对大数据进行离散性映射处理,选取最小嵌入维数和最佳时延来构造大数据时间序列的信息流模型,将信息流模型作为提取时延尺度特征的输入,构建基于提取特征值的聚类搜索目标函数,采用模糊C聚类算法求解初始聚类中心搜索目标函数,从而获得大数据的最优聚类中心。采用量子优化算法抑制聚类中心的小扰动,实现聚类优化,完成大数据分析下多维离散数据高效聚类。仿真结果证明,所提方法有效减少了计算时间,降低了与实际聚类结果的差距,提高了计算效率。

关 键 词：大数据分析下  多维离散数据  高效聚类方法  量子优化算法  

分 类 号：TP311.13]