一種改進(jìn)的快速聚類(lèi)算法及并行化研究.pdf

1、聚類(lèi)分析是數(shù)據(jù)挖掘領(lǐng)域中的一個(gè)重要分支，研究數(shù)據(jù)對(duì)象的分類(lèi)問(wèn)題，廣泛地應(yīng)用于模式識(shí)別、圖像處理、市場(chǎng)研究以及生命科學(xué)等眾多領(lǐng)域，所以對(duì)聚類(lèi)算法的研究具有重要意義。為了解決聚類(lèi)算法普遍存在的參數(shù)難以確定，效率低下，聚類(lèi)質(zhì)量較差等問(wèn)題，本文對(duì)基于密度的聚類(lèi)算法進(jìn)行了深入的探索性的研究，提出了一個(gè)新的快速聚類(lèi)算法，并將該算法并行實(shí)現(xiàn)。主要研究工作及取得的創(chuàng)新性成果有以下幾個(gè)方面： 本文在LDBSCAN的基礎(chǔ)上，提出了一種改進(jìn)的快速聚類(lèi)

2、算法GLDBSCAN。改進(jìn)算法設(shè)計(jì)了一種新的對(duì)數(shù)據(jù)空間進(jìn)行劃分的網(wǎng)格劃分方法，并采用空間索引SP-Tree來(lái)組織網(wǎng)格結(jié)構(gòu)，它保存了數(shù)據(jù)的空間位置信息，并只索引非空網(wǎng)格，不但節(jié)省了存儲(chǔ)空間還降低了算法的時(shí)間復(fù)雜性。算法同時(shí)提出用網(wǎng)格中心對(duì)象來(lái)代表網(wǎng)格包含的對(duì)象集合進(jìn)行聚類(lèi)，從而降低聚類(lèi)時(shí)間和I/O消耗，實(shí)現(xiàn)快速聚類(lèi)。 本文為了進(jìn)一步提高聚類(lèi)算法的執(zhí)行效率及可擴(kuò)展性，對(duì)并行GIDBSCAN算法進(jìn)行了研究，通過(guò)運(yùn)用SPMD的并行算法設(shè)