基于hadoop平臺(tái)的模糊聚類(lèi)算法研究.pdf

1、現(xiàn)實(shí)世界中的絕大部分現(xiàn)象之間都沒(méi)有確定的邊界，具有模糊性或者隨機(jī)性，所以將模糊理論的方法應(yīng)用于數(shù)據(jù)挖掘領(lǐng)域成為當(dāng)前的研究熱點(diǎn)。然而在大數(shù)據(jù)時(shí)代，面對(duì)海量的各種數(shù)據(jù)，傳統(tǒng)的數(shù)據(jù)挖掘算法已不能滿(mǎn)足客戶(hù)的要求，所以將數(shù)據(jù)挖掘算法與擁有強(qiáng)大計(jì)算能力的云計(jì)算平臺(tái)相結(jié)合具有很深的研究?jī)r(jià)值和廣泛的應(yīng)用前景。
　　本文首先針對(duì)傳統(tǒng)的模糊聚類(lèi)算法容易受聚類(lèi)初始化影響，而且在迭代時(shí)非常容易陷入局部極值的缺點(diǎn)，研究了一種結(jié)合遺傳算法的模糊C均值(GA-

2、FCM)新算法，實(shí)驗(yàn)表明該算法能夠有效地克服傳統(tǒng)算法對(duì)初始化敏感的缺點(diǎn)，而且能夠以較高的概率收斂到全局最優(yōu)解。
　　其次，本文結(jié)合人工免疫理論中著名的克隆選擇算法提出了一種新的聚類(lèi)算法(CSA-FCM)，能夠避免遺傳算法中容易出現(xiàn)的早熟現(xiàn)象。同時(shí)由于克隆選擇算法采用的是群體搜索策略，本質(zhì)上具有并行性和搜索方向的隨機(jī)性，所以在搜索中能夠更準(zhǔn)確地獲得問(wèn)題的全局最優(yōu)解，并且收斂速度更快，因而更加適合用于大數(shù)據(jù)集的聚類(lèi)分析。
　　最