计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2011年
9期
2546-2550
,共5页
特征值分解%QR分割%谱聚类算法%量子遗传谱聚算法
特徵值分解%QR分割%譜聚類算法%量子遺傳譜聚算法
특정치분해%QR분할%보취류산법%양자유전보취산법
在处理大数据集聚类问题上,谱聚算法因存在占用存储空间大、时间复杂度高的缺陷而难以推广,针对此问题,提出采用多次分割、向上向下双向收缩的QR算法求得特征值对应的特征向量来实现降维,并在此基础上构造映射空间上的样本来实现量子遗传谱聚算法的聚类.该方法通过映射为后续的量子遗传谱聚算法聚类提供低维的输入,而量子遗传算法具有快速收敛到全局最优并且对初始化不敏感的特性,从而可以获得良好的聚类结果.实验结果显示,使用该算法的聚类比谱聚算法、K-means算法、NJW算法等单一方法具有更好的收敛性、稳定性和更高的全局最优.
在處理大數據集聚類問題上,譜聚算法因存在佔用存儲空間大、時間複雜度高的缺陷而難以推廣,針對此問題,提齣採用多次分割、嚮上嚮下雙嚮收縮的QR算法求得特徵值對應的特徵嚮量來實現降維,併在此基礎上構造映射空間上的樣本來實現量子遺傳譜聚算法的聚類.該方法通過映射為後續的量子遺傳譜聚算法聚類提供低維的輸入,而量子遺傳算法具有快速收斂到全跼最優併且對初始化不敏感的特性,從而可以穫得良好的聚類結果.實驗結果顯示,使用該算法的聚類比譜聚算法、K-means算法、NJW算法等單一方法具有更好的收斂性、穩定性和更高的全跼最優.
재처리대수거집취류문제상,보취산법인존재점용존저공간대、시간복잡도고적결함이난이추엄,침대차문제,제출채용다차분할、향상향하쌍향수축적QR산법구득특정치대응적특정향량래실현강유,병재차기출상구조영사공간상적양본래실현양자유전보취산법적취류.해방법통과영사위후속적양자유전보취산법취류제공저유적수입,이양자유전산법구유쾌속수렴도전국최우병차대초시화불민감적특성,종이가이획득량호적취류결과.실험결과현시,사용해산법적취류비보취산법、K-means산법、NJW산법등단일방법구유경호적수렴성、은정성화경고적전국최우.
