基于密度峰值的海量云数据模糊聚类算法设计

摘要

为准确聚类海量云数据，提出一种基于密度峰值的海量云数据模糊聚类算法。将含有噪声的云数据采用BP神经网络分离，将输出的噪声利用奇异值分解重构，获取联合算法输出的噪声，将带有噪声的云数据和输出噪声相减，得到去噪后的云数据。将密度峰值和优化后的模糊聚类算法相结合，自适应形成初始聚类中心，确定聚类数量，最终实现海量云数据模糊聚类。实验结果表明：本文算法获取的聚类效果和聚类效率明显优于其他算法。

关键词

密度峰值 / 海量云数据 / 模糊聚类 / 蝙蝠算法 / 神经网络 / 奇异值