淺議聚類算法在TensorFlow平臺中的應用前景

肖嘉慧

摘要：聚類算法在人工智能領域應用廣泛，是公認的優秀的人工智能應用工具之一。TensorFlow的開源性為聚類算法的應用提供了更好的平臺，是一種行之有效的大數據下的基于數據流圖的計算工具。因此它必須依賴海量存儲的數據倉庫，同時它通過數據挖掘技術進行大數據商業化應用是十分有價值的。

關鍵詞：TensorFlow平臺；人工智能；聚類算法

中圖分類號：TP183 文獻標識碼：A 文章編號：1007-9416（2018）05-0150-01

在國內外現有的語音、語義、視覺智能識別的研究中，常見的模型構造理論工具包括線性回歸方程、模糊數學理論、多元線性方程等。這些工具構造出的理論識別模型在識別效率和識別準確度方面還有所欠缺。此外，多數文獻構建的模型著重討論航線布局的優化的機制，而不是從航線科學規劃角度來構建語音、語義、視覺智能識別。因此，本文以TensorFlow的開源性為課題背景，構建基于聚類算法的語音、語義、視覺智能識別。TensorFlow平臺模型可以準確測算大數據下的基于數據流圖，為AI人工智能提供科學識別結論，從而避免了資源的浪費。

1 聚類算法概述

到目前為止，聚類算法的定義并不統一，其中目前最常用的聚類算法的概念是由Everitt在1974年提出的，它認為一個類簇內的實體具有一定的相似性，而各個類簇之間的實體存在很大的差異；類簇是測試空間中點的會聚，一個類簇內的任意兩點之間的距離都不大于不同類簇內任意兩點的距離；換言之，類簇就是一個多維空間內相對密度較高的點的的連通區域，它們能夠借助相對密度較低的點集合區域和其它區域（類簇）進行分離。……