一種聚類算法的并行化研究.pdf

1、隨著計算機技術(shù)的飛速發(fā)展以及網(wǎng)絡(luò)的普及,人們在應(yīng)用過程中產(chǎn)生和收集的信息在規(guī)模、范圍和深度等方面不斷擴大。這些海量的數(shù)據(jù)在組成和功能之間存在著豐富和復(fù)雜的信息,因此人們希望能夠?qū)ζ溥M行更高層次的分析。
　　 K均值算法是基于原型的聚類技術(shù),具有簡單、快速和有效處理大規(guī)模數(shù)據(jù)等諸多優(yōu)點,是應(yīng)用最廣泛的聚類方法之一。缺點是存在過度依賴初始條件,如初始聚類中心的選取等都會影響聚類結(jié)果,制約了其應(yīng)用范圍。二分K均值聚類算法是K均值算法的

2、變種算法,通過使用基本K均值算法能夠產(chǎn)生劃分聚類算法或?qū)哟尉垲愃惴?具有不受初始質(zhì)心選擇影響的優(yōu)點。
　　 聚類實際應(yīng)用處理對象多為海量數(shù)據(jù)和高維數(shù)據(jù),具有很高的時間和空間復(fù)雜性。在處理海量TB級文本數(shù)據(jù)時,利用多臺主機組成的群集系統(tǒng),具有強大的并行計算能力?；谌杭h(huán)境下的二分K均值聚類算法并行化研究,可以極大的提高工作效率,具有一定的現(xiàn)實應(yīng)用意義。
　　 本文針對二分K均值聚類算法在二分聚類過程中初始質(zhì)心選取速度方面