研究文章雷竞技app下载苹果版

问题的比较研究大数据聚类算法和基于约束的遗传算法关联聚类

文摘

聚类的过程可以被定义为分区一组模式分离和均匀有意义的团体,称为集群。分布式聚类算法由于日益增长的需要的巨大规模的数据库现在是很常见的。从大型数据库中提取知识的任务,在聚类规则的形式,吸引了越来越多的关注。合并计算的分布式聚类算法拥抱这一趋势与交流和探索分布式计算环境的所有方面。整体学习是多个模型的过程,如分类器或专家、战略生成和结合来解决一个特定的计算智能问题。该技术的一个重要特性是,它能够自动寻找最优数量的集群(即。集群的数量不需要提前知道)即使对于非常高维的数据集,在跟踪集群的数量可能是非常不可能的。提出最优关联聚类算法利用遗传算法和贝叶斯因子精度能够比其他两个先进的聚类算法在统计学上有意义的方式在多数的基准数据集。提出最优关联聚类算法的结果与一个现有算法两个多维数据集。实验结果表明,该方法能够实现更好的集群解决方案与现有的算法相比。

B。Kranthi Kiran Dr.A的戒律先生

阅读全文下载全文|访问全文