邓斌涛,徐胜超

(广州华商学院数据科学学院,广东 广州 511300)

0 引 言

随着云计算及大数据技术的发展，近年来因特网上的数据量急剧增加，基于机器学习方法的数据挖掘技术也随之发展用来处理这些海量的大数据。聚类算法可以针对样本或者个体的数据完成数据的分类，是数据挖掘中的一个大类分支。

聚类分析按照功能划分包括分区聚类、层次聚类、基于网格的聚类等[1-4]。经典的聚类算法针对无标签的数据可以很好地分类，但是针对大规模的海量数据处理效率低、耗时，已经不能满足近年来实时数据平台的要求。

用实现方式划分，聚类算法又可以分为K最近邻聚类算法KNN clustering、K均值聚类算法K-means clustering、K中心点聚类算法K-medoids clustering等。相关研究表明，K最近邻聚类算法和K均值聚类算法在处理小规模的数据时效率比较高[5-6]；K中心点聚类算法比较适合于大规模的数据。因此本文选择K中心点聚类算法完成大数据处理。但K中心点聚类仍然存在可扩展性差、收敛速度慢、容易陷入局部最优解的不足。

差分进化(Differential Evolution, DE)是一个简单和高效的算法，它经常用来解决真实变量的最优化问题，特别是在非线性问题最优化问题上，它拥有强健的全局最优能力，可以很好地提高聚类算法的精确度，是近年来数据挖掘领域比较有前景的算法。例如文献[7]提出了基于差分进化的模糊聚类算法，解决了错误诊断问题。近年来有很多文献对差分进化进行了改进，克服了差分进化算法的一些不足[8-10]。……