一種改進(jìn)的快速聚類算法及并行化研究.pdf

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

2、算法GLDBSCAN。改進(jìn)算法設(shè)計了一種新的對數(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)省了存儲空間還降低了算法的時間復(fù)雜性。算法同時提出用網(wǎng)格中心對象來代表網(wǎng)格包含的對象集合進(jìn)行聚類，從而降低聚類時間和I/O消耗，實現(xiàn)快速聚類。 本文為了進(jìn)一步提高聚類算法的執(zhí)行效率及可擴(kuò)展性，對并行GIDBSCAN算法進(jìn)行了研究，通過運用SPMD的并行算法設(shè)