基于聯(lián)機模糊蟻群聚類的大數(shù)據(jù)分析研究.pdf

1、在大數(shù)據(jù)的背景下，數(shù)據(jù)已經(jīng)不是傳統(tǒng)意義上的簡單的處理對象，而是開始轉(zhuǎn)變成社會的一種基礎(chǔ)性的資源。大數(shù)據(jù)在數(shù)量上的規(guī)模給數(shù)據(jù)存儲，管理存儲數(shù)據(jù)以及數(shù)據(jù)分析方面帶來了極大的挑戰(zhàn)與機遇。大數(shù)據(jù)隱含著巨大的社會、經(jīng)濟和科研價值。然而傳統(tǒng)的數(shù)據(jù)分析方法都是基于可加載數(shù)據(jù)上的，并不能直接應(yīng)用于大數(shù)據(jù)之上，或者有針對基于大數(shù)據(jù)的算法，但是效果并不理想。因此，本文針對以上問題，提出了一種聯(lián)機的模糊蟻群聚類算法。
　　目前已經(jīng)有很多基于抽樣的方法來

2、對這些大量的數(shù)據(jù)進行聚類分析，特別是基于模糊c均值算法的抽樣擴展，比如聯(lián)機模糊C均值算法。這類算法應(yīng)用廣泛的一方面是因為它易于實現(xiàn)而且算法的思想比較簡單和易于理解。另一方面是因為模糊c均值算法的運算速度較快，這對于海量數(shù)據(jù)處理在速度上是一個非常大的優(yōu)勢。然而，這類基于模糊c均值的算法有一個非常大的缺陷就是對于簇類中心非常敏感，因此聯(lián)機模糊C均值算法必須初始化簇類中心的個數(shù)和中心點位置。正確的初始化簇類中心個數(shù)是非常困難的，不正確的初始簇

3、類個數(shù)得到的聚類結(jié)果與實際的簇類的差距將非常的大。
　　本文提出一種基于蟻群聚類的改進的算法，可以在大數(shù)據(jù)的背景下來避免這個問題，蟻群聚類算法是一種自適應(yīng)的算法，因此它不需要簇類個數(shù)與簇類中心點位置的初始值也能比較正確的得到簇類的個數(shù)與結(jié)果。本文提出的聯(lián)機模糊蟻群聚類算法，就是結(jié)合了兩個算法的優(yōu)點并在大數(shù)據(jù)背景下提出了一些特殊的處理機制有機結(jié)合而成的，聯(lián)機蟻群聚類算法能很好的解決聯(lián)機模糊C均值算法的初始值敏感的問題。本文在第三章在