无线网络MOOCs大数据聚类方法优化研究  

Wireless Network Clustering Method Optimization Research MOOCs Big Data

作　　者：樊凌[1] 龚伟[2] 

机构地区：[1]江苏省现代企业信息化应用支撑软件工程技术研发中心,江苏苏州215104 [2]清华大学计算机科学与技术系,北京100084

出　　处：《计算机仿真》2016年第7期435-439,共5页Computer Simulation

基　　金：国家自然基金(61472268);国家自然基金(61472211);云环境下自主学习网络中知识点个性化推荐系统关键技术研究(SVU2015QN08)

摘　　要：针对数据库中的MOOCs大数据进行快速准确聚类,在提高数据处理能力方面具有重要作用。由于无线网络数据库数据维数较大,使得数据具有一定的混合属性,传统的聚类方法先将MOOCs大数据进行分类,提取分类数据属性,然后对数据进行聚类,需要进行大量的迭代计算,导致MOOCs大数据聚类不准确的问题。提出基于非线性时间序列分析的MOOCs大数据聚类方法,通过非线性映射,将相似度参数对嵌入大数据维数的聚类进行计算,得出大数据条件下的最优聚类参数,应用基于信息准则的非线性时间序列法,确定大数据时间线性预测聚类分类半径。实验结果表明,采用改进的聚类方法相比传统的聚类方法,聚类精度较高,聚类复杂度较低。It plays a great role in improving data processing capability to cluster MOOCs big data in database fast and accurately. Data have some mixed attributes due to big data dimension of wireless network database. Traditional clustering method classifies MOOCs big data to extract data attribute. Then data is clustered. It leads to the problem of inaccuracy clustering because of vast iterative computation. In this paper, a MOOCs big data clustering method is proposed based on nonlinear time series analysis. The clustering of big data dimension embedded similarity parameter is calculated to obtain the optimal clustering parameter via nonlinear mapping. Then nonlinear time series method based on information criterion is used. Finally the classification radius of big data linear time predication clustering is determined. The experiment results show that the modified clustering method has better precision and lower complexity of clustering than traditional methods.

关 键 词：非线性 时间序列 大数据 聚类算法 

分 类 号：TP274[自动化与计算机技术—检测技术与自动化装置]