一种基于距离的增量聚类算法.pdfVIP

第 15 卷第 3 期 湖 南 工 程 学 院 学 报 Vo1. 15. No. 3 2005 年 9 月 　　　　　　　　　 　　　　　　 Sept. 2005 Journal of Hunan Institute of Engineering 一种基于距离的增量聚类算法 1 2 吴 　琪 , 左万利 ( 1 广东警官学院 ,广东 广州 510000 ;2 吉林大学 计算机科学与技术学院 ,吉林 长春 130012) 　　摘 　要 : 在传统层次聚类基础上 ,提出并实现了一种基于距离的增量式聚类算法 ,并应用于粮食智能决 策支持系统中. 算法在保持层次聚类优点的基础上 ,利用原有的聚类结果提高聚类速度 ,并可以根据用 户需要在聚类精度和聚类速度两方面选取一个适当的平衡点 ,有效地提高聚类分析的效率. 关键词 : 增量聚类 ;层次聚类 ;决策支持系统 ;数据挖掘 ( ) 中图分类号 : TP274 　　文献标识码 : A 　　文章编号 : 1671 - 119X 2005 03 - 0041 - 04 　　聚类分析是数据挖掘的一种重要的分析手段 , 据集. 如基于距离的层次算法 ,分裂算法 , 以及基于密度和 (2) 读取数据库中数据增量变化表 ,形成两个数 基于网格的一些算法都在实际中得到了应用 ,但是 据集 :添加数据集和删除数据集. 智能决策支持系统中的聚类分析是基于数据仓库的 (3) 处理添加数据集 , 添加到原来的聚类结果 海量数据的 ,除了通过抽取有代表性的样本进行分 中. 析外 ,还需要利用增量聚类算法进一步提高计算的 (4) 用删除数据集 ,修剪步骤 3 得到的聚类结 效率. 本文所描述的就是粮食智能决策支持系统的 果. 增量聚类分析模块 ,它是一种基于距离的聚类算法 , (5) 对步骤 4 得到的结果进行层次聚类 ,直到结 既方便实现 ,而且增量处理后的聚类过程与层次聚 果满足结束条件. 类所得到的过程形式相同 ,能很好的相互配合使用 其中聚类结果可以保存为数据库 ,文本文件或 并可以作统一的结果分析. 二进制文件 , 同时要保存聚类时间 ,算法设置等等. 读取时计算的度量数据集将在增量处理的过程中用 1 　算法的原理 到 ,我们会在后面讨论. 非增量的基于距离的聚类算法 ,从计算效率来 2 　增量数据获得 讲 ,分裂聚类算法比层次聚类算法要高 ,但是聚类效 果不如层次聚类 ,有时候达不到实际情况的需要. 而 利用原来的聚类结果 ,就必须知道从那次聚类 实际工作中还经常存在这种情况 : 需要进行聚类计 到现在数据产生了哪些变化 ,也就是要获得两次聚 算的数据量很大 ,每次进行聚类的时间较长 ,而有的 类之间的数据变化情况. 这些变化包括三种情况 :数 时候要进行聚类计算时数据 比上一次聚类变化不 据添加 ,数据更改和数据删除 ,本系统中的操作的数 大 ,如果重新进行聚类所需时间太