大数据分析下多维离散数据高效聚类方法仿真

摘要

针对当前聚类方法计算时间较长、聚类结果不准确等问题,提出基于量子优化算法的大数据分析下多维离散数据高效聚类方法.采用空间重构分析方法对大数据进行离散性映射处理,选取最小嵌入维数和最佳时延来构造大数据时间序列的信息流模型,将信息流模型作为提取时延尺度特征的输入,构建基于提取特征值的聚类搜索目标函数,采用模糊C聚类算法求解初始聚类中心搜索目标函数,从而获得大数据的最优聚类中心.采用量子优化算法抑制聚类中心的小扰动,实现聚类优化,完成大数据分析下多维离散数据高效聚类.仿真结果证明,所提方法有效减少了计算时间,降低了与实际聚类结果的差距,提高了计算效率.