摘要：為了解決傳統(tǒng)的模糊聚類算法無法有效聚類動態(tài)數(shù)據(jù),導(dǎo)致更新數(shù)據(jù)處理效果差、數(shù)據(jù)聚類效率低的問題,提出研究一種嵌入式模糊集數(shù)據(jù)庫的FCM增量式聚類算法。分析嵌入式模糊集數(shù)據(jù)庫結(jié)構(gòu),將待推薦檢索數(shù)據(jù)的時間變多徑關(guān)聯(lián)維代入數(shù)據(jù)庫結(jié)構(gòu)中去,對冗余干擾實施濾波處理,形成嵌入式模糊集數(shù)據(jù)庫數(shù)據(jù)信息流模型。排除干擾后,利用FCM增量式聚類算法獲取分離度與凝聚度,對數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行聚類評估,依據(jù)評估結(jié)果在聚類過程中插入或刪除數(shù)據(jù),動態(tài)調(diào)整聚類結(jié)果,再引入自適應(yīng)FCM增量式聚類算法實現(xiàn)嵌入式模糊集數(shù)據(jù)庫的增量式聚類。實驗結(jié)果表明,與傳統(tǒng)算法相比,采用該算法可準(zhǔn)確分類數(shù)據(jù)特征,且對大數(shù)據(jù)增量數(shù)據(jù)的聚類精度和效率高,平均聚類時間約為0.46s,驗證了該算法具有較高的聚類性能。