分布式單類支持向量機聚類算法研究.pdf

1、伴隨著計算機技術的飛速發(fā)展，尤其是互聯(lián)網(wǎng)技術的興起和數(shù)據(jù)存儲技術的提升，數(shù)據(jù)積累的速度越來越快，用戶如何在有限的時間內(nèi)得到有用的信息是目前計算機科學領域迫切解決的問題之一，聚類算法研究就是其中的一項重要研究課題。聚類分析是通過計算數(shù)據(jù)樣本間的相似性完成對于數(shù)據(jù)的劃分，目前已經(jīng)廣泛應用于生物信息學、圖像處理、地理信息學、物理高性能計算等領域。雖然傳統(tǒng)聚類算法的研究已經(jīng)取得了不錯的效果，但是在處理海量數(shù)據(jù)的聚類問題方面目前的算法還不夠理想，

2、因此如何設計一種高效的聚類算法是當前數(shù)據(jù)挖掘領域急需解決的問題之一。
　　 本文對于目前常用聚類算法進行介紹，對于常用算法的優(yōu)勢和存在問題進行了分析和歸納。結(jié)合目前計算機發(fā)展的新形勢和機器學習理論，本文提出了一種基于單類支持向量機理論的分布式聚類算法。通過對于經(jīng)典的支持向量機聚類方法進行改進，提高了算法處理效率，并用該算法結(jié)合Multi-Agent框架設計了一種分布式聚類系統(tǒng)。該系統(tǒng)通過對大規(guī)模數(shù)據(jù)集合進行劃分，分發(fā)給不同分處理