基于模糊分区聚类的关联挖掘改进算法

在存储空间网格分布的不均衡性影响,导致大数据挖掘的聚类配准性不高,为了提高数据挖掘效能,提出一种基于模糊分区聚类的大数据关联挖掘改进算法.分析数据在云存储空间中的网格结构模型,提取大数据信息流的关联语义规则性特征量,对提取的特征量进行自适应加权学习训练,增强数据的属性特征分布强度.在存储空间采用模糊分区方法对提取的数据关联特征进行优化聚类,根据聚类结果进行语义划分,构建判别统计量和检验准则进行数据挖掘的聚类属性判断,提高数据挖掘的准确性,实现大数据优化挖掘.仿真结果表明,采用该方法进行大数据挖掘的分区性能较好,数据的归类准确性较高,提高了数据的查准率.

松嫩平原耕地生产力的模糊聚类分区

以1948～1988年各县粮食单产为原始资料,应用模糊聚类方法,对松嫩平原的28个县(市)耕地生产力进行分区,并对单产明显上升区和下降区进行了分析和诊断。