基于微簇的K—Dmeans聚类算法改进——张昊PDF.pdfVIP

摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 联 盟 论 坛摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 2013年第3期 基于微簇的K-Dmeans 聚类算法改进 张摇 昊* 摘摇 要:在现有的分布式聚类算法中普遍都存在着聚类效率较低且不能有效的保护数据隐私问题。 本文 针对K-Dmeans算法中原始数据聚类效果不佳的情况,对此算法进行改进。 即提出了中心-边缘的系统框架结 构,同时在数据集边缘节点进行数据聚类时提出了微簇概念,即边缘节点的数据按照规律进行二次细化聚类, 再将聚类结果直接传输给中心节点,由中心节点对再次聚类的数据进行整合。 简化了数据在各站点传输时的 网络开销,同时保证了各站点数据的独立性,借此提高了数据隐私保护能力。 关键词:K-Dmeans算法、聚类、分布式聚类、微簇 一、概述 二、相关概念 伴随信息化的不断发展,数据挖掘领域越来 定义1摇 k-means算法[4-7] [1-