引入多目标优化的聚类算法改进及其在大数据中的应用

梁家烁

信息记录材料 ›› 2025, Vol. 26 ›› Issue (03) : 126 -128.

PDF
信息记录材料 ›› 2025, Vol. 26 ›› Issue (03) : 126 -128. DOI: 10.16009/j.cnki.cn13-1295/tq.2025.03.028

引入多目标优化的聚类算法改进及其在大数据中的应用

    梁家烁
作者信息 +

Author information +
文章历史 +
PDF

摘要

本研究探讨多目标优化在聚类算法中的应用,聚焦于提升聚类结果的精度和适应性。在高维数据与复杂分布的情境下,传统聚类算法难以有效平衡类内紧凑性和类间分离性。针对此问题,本研究提出一种改进的多目标优化聚类方法,采用非支配排序与拥挤度控制机制,通过优化聚类中心选择与迭代收敛过程提升算法的稳定性与效率。结果表明:与传统的聚类算法相比,引入多目标优化的改进聚类算法训练时间最低,仅为16.36 s,且拥有更好的预测精度,在高维复杂数据和大规模数据处理上展现出显著优势,可提供高效的解决方案。

关键词

多目标优化 / 聚类算法 / 大数据

Key words

引用本文

引用格式 ▾
引入多目标优化的聚类算法改进及其在大数据中的应用[J]. 信息记录材料, 2025, 26(03): 126-128 DOI:10.16009/j.cnki.cn13-1295/tq.2025.03.028

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

94

访问

0

被引

详细

导航
相关文章

AI思维导图

/