[发明专利]用于大数据挖掘聚类的自适应PSO-PFCM聚类方法在审
| 申请号： | 201910233570.8 | 申请日： | 2019-03-26 |
| 公开（公告）号： | CN109960703A | 公开（公告）日： | 2019-07-02 |
| 发明（设计）人： | 曹建蜀;王晟 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06F16/2458 | 分类号： | G06F16/2458;G06F17/50;G06K9/62 |
| 代理公司： | 成都正华专利代理事务所(普通合伙) 51229 | 代理人： | 陈选中 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了提供的用于大数据挖掘聚类的自适应PSO‑PFCM聚类方法将模块密度计算及其自适应聚类数目用于大数据聚类过程中，使原本需要人为设定聚类数据的大数据聚类方法可以自动的确定最佳聚类数目，使得大数据处理过程中的PSO‑PFCM算法在保留了器优良性能的同时，适应不同的原始数据集的聚类，减少了大量人为工作。 | ||
| 搜索关键词： | 聚类 大数据 自适应 数据处理过程 原始数据集 聚类过程 聚类数据 密度计算 优良性能 挖掘 算法 保留 | ||
【主权项】：
1.用于大数据挖掘聚类的自适应PSO‑PFCM聚类方法，其特征在于，包括以下步骤：S1、对数据集进行初始化处理，将数据集划分成由若干个体组成的群体；并确定群体中的个体初始最优位置；S2、通过PFCM算法对个体初始最优位置进行更新，得到群体聚类中心；S3、根据群体聚类中心进行聚类，确定当前最优聚类结果对应的目标聚类数目；S4、计算当前最优聚类结果对应的模块密度，并更新最大模块密度；S5、确定更新后的最大模块密度对应的最优聚类结果，并更新目标聚类数目；S6、判断更新后的目标聚类数目是否小于1；若是，则将该目标聚类数目对应的最优聚类结果作为大数据挖掘聚类过程中的聚类结果；若否，则返回步骤S1。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于电子科技大学，未经电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910233570.8/，转载请声明来源钻瓜专利网。
