基于改进稀疏表示的大数据模糊聚类仿真研究

大数据的结构特征具有高维性、无序性,其直接挖掘和提取的难度较大。基于大数据任务中海量数据的分析需求,提出基于改进稀疏表示的大数据模糊聚类算法。算法通过大数据的标准化处理结果提取大数据特征,以改进稀疏性为基础,采用BP算法对求解大数据特征,从中取得各个特征量的稀疏系数及协同表示系数。基于获取的大数据不同特征联合系数,确定数据类别标签和模糊聚类中心,利用遗传算法对大数据完成模糊聚类,实现大数据模糊聚类算法的设计。实验结果验证了研究算法达到最优应用效果所需的平均迭代次数更少,CPU耗时可控制在0.6s内,能够精准聚类多种大数据,证明了该算法的应用有效性更强。