基于Global K-means的多維數據聚類算法研究及其GPU加速.pdf

1、隨著人們生產生活的越來越繁雜，使得數據量高速增加，數據挖掘技術在人們的生活中起著越來越重要的作用。而聚類分析作為數據挖掘的一種重要技術，對各種數據的分析起著至關重要的作用，本文主要就多維數據的聚類算法進行了研究，提出了兩種針對多維數據的聚類算法。同時為了解決海量數據的處理時間問題，進行了相關算法的GPU加速研究。本文的主要研究工作闡述如下：
　　 針對多維數據聚類過程數據的每個屬性對聚類所起的作用不同，本文提出了一種基于屬性權重

2、的Global K-means算法，即Global weighted K-means(GWKM)算法。GWKM算法結合了LAW K-means(LKM)算法的屬性權重技術和GlobalK-means(GKM)算法的聚類框架，在GKM算法每次進行聚類中心的選取過程中，引入LAW K-means算法，不僅求得了聚類中心，而且確定了聚類屬性權重，最終得到了更加準確和穩(wěn)定的聚類結果。
　　 但當遇到一些數據，其維度的稀疏性較大，將會給多

3、維數據的聚類帶來很大問題。為了能夠有效地解決稀疏多維數據所帶來的聚類問題，本文提出了一種新的基于熵權重的Global K-means算法，即Global Entropy weightedK-means(GEWKM)算法。GEWKM算法結合了Entropy Weighting K-means(EWKM)算法的熵權重和Global K-means(GKM)算法的聚類框架，在GKM算法每次進行聚類中心的選取過程中，引入了Entropy Wei

4、ghting K-means算法，采用更加合理的熵權重計算屬性權重值，得到了更為理想的結果。實驗表明，所提出的算法是穩(wěn)定的，能夠有效地解決數據稀疏性所帶來的聚類問題。
　　 由于本文提出的GWKM算法和GEWKM算法都是基于Global K-means算法框架，但是由于Global K-means算法的計算復雜度較大，限制了其在海量數據上的應用，所以為了解決Global K-means算法計算復雜度大，不能滿足處理大規(guī)模數據挖掘

5、問題的時間要求，本文提出了基于GPU的并行Global K-means算法-PGKM Mix算法，該算法并行了其中最為耗時的聚類中心的選取，為了更加充分地挖掘PGKM Mix算法的數據并行性，進一步提出了PGKM_IRG算法，該算法引入了非規(guī)則歸約方法來并行聚類中心的更新。并著重描述了在GPU上實現這兩種并行算法的設計方案和操作細節(jié)。通過人工數據集和UCI數據集上進行的實驗，驗證了并行算法在不影響性能的基礎上實現了很高的加速比，說明了提