文献类型：期刊文章

作　　者：李萍[1] 刘金金[2]

LI Ping;LIU Jin-jin(Engineering Training Center,Zhengzhou University of Light Industry,Zhengzhou Henan 450002,China;College of Software,Henan Normal University,Henan Xinxiang 453007,China)

机构地区：[1]郑州轻工业大学工程训练中心,河南郑州450002 [2]河南师范大学软件学院,河南新乡453007

出　　处：《计算机仿真》

基　　金：河南省重点研发与推广专项(科技攻关)项目(222102210304)。

年　　份：2024

卷　　号：41

期　　号：2

起止页码：496-499

语　　种：中文

收录情况：JST、ZGKJHX、普通刊

摘　　要：大数据挖掘是从大量有噪声的、随机模糊的大数据中提取有价值信息的过程,由于海量大数据具有多维性、稀疏性以及动态性等特点,准确获取其分布特征的难度较大,随机挖掘难以直接实现。为此提出基于改进模糊聚类算法的大数据随机挖掘方法。利用建立的语义概念树模型获取大数据的特征分布关系,并根据模糊语义分析法得出大数据的语义相似性、关联性条件,提取大数据特征。优先确定最佳聚类数,采用改进模糊聚类算法对其聚类,实现基于改进模糊算法的大数据随机挖掘。实验结果表明,上述方法的大数据模糊聚类效果较好,随机挖掘准确率可达到95%以上,实验所得结果验证了上述方法较强的应用有效性。

关 键 词：改进模糊聚类算法  大数据随机挖掘  语义概念树  特征提取 特征聚类

分 类 号：TP311.13]