基于频繁项集的多源异构数据并行聚类算法
Journal of University of Jinan (Science and Technology)(2022)
Abstract
针对多源异构数据并行聚类算法存在并行聚类处理精度低、处理时间长的问题,提出基于频繁项集的多源异构数据并行聚类算法;通过确定数据库内频繁项集与支持度的数值,采用关联规则满足最小支持度阈值以及最小置信度阈值,利用极大元法挖掘最大频繁项集,构建相异度数据结构矩阵;利用平均加权法获取数据库内多源异构发射数据包,使用时间窗口和频繁项集挖掘出多源异构数据特征,获取信道传输功率谱密度;利用时间反转处理以及高维相空间重构方法,实现多源异构数据并行聚类.结果表明,该算法的多源异构数据并行聚类处理精度较高,能够有效缩短处理时间.
MoreAI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined