基于模糊聚类的高维划分策略研究.pdfVIP

第28卷 第1期 武汉理工大学学报 -信息与管理工程版 V01．28No．1 2o06年 1月 JOURNAL0FWUT(INFORMATION＆MANAGEMENTENGINEERING Jan．2006 文章编号：1007—144X(2006)01—0007—04 基于模糊聚类的高维划分策略研究 蔡 月 ，徐王伟 (1．武汉理l_l_大学信息_l_程学院，湖北 武汉430070；2．南京航空航天大学经济管理学院，江苏南京 210018) 摘 要：数据集的划分策略是影响高维数据库索引性能的一个关键因素。金字塔技术是一种较好的高维索引 方法，但它只对均匀分布的数据集具有良好的性能。为此 ，提出了一种改进的基于模糊聚类的金字塔技术 ，并 将其用于高维划分策略，先对数据集进行模糊聚类处理 ，然后针对每个聚类进行金字塔划分 ，从而较好地实现 了对非均匀分布数据的高维划分。 关键词 ：模糊聚类 ；高维；划分策略 中图法分类号：TP39 文献标识码：A 2．1 金字塔技术 1 引 言 金字塔技术 的基本思想是将 d维数据空 伴随着多媒体数据库技术、GIS技术 以及 间分割维2d个金字塔的集合 (这些金字塔均以 DNA数据库技术的发展，对高维数据库的研究越 数据空间的中心为顶点)，再把每个金字塔都划 来越重要。此外，由于数据的大容量，甚至是海量 分为平行于其底边 (平面)的若干面片。划分完 的特性也 日趋明显，就迫切要求通过有效的索引 毕之后，提供从d维数据点到 1维金字塔值的一 机制来实现对高维空间中大容量数据的查询处 个映射，这些 1维的值则可以通过 1维的索引结 理，而高维数据库索引的关键则是在于对高维数 构B+树进行存储和访问。 据集的划分。 以2维空间为例，数据空间先被分割成4个 高维数据集的典型划分策略有R树及其变 金字塔 (三角形)，这些三角形具有共同的顶点 体、x一树、kd一树、TV—tree、SS—tree、SR树、ER (0．5，0．5)。然后对每个三角形平行于其底边进 一 树、VA—fi1e、金字塔技术和Bitmap技术…等。 行分割，如图1所示。 在这些划分机制中，除了金字塔技术的性能不受 6t一1)维平而 数据维数的影响，其他各种机制的最大问题都在 于其性能会随着数据维数的增高而急剧降低。 笔者在充分利用金字塔技术不受数据维数影 ／ 响这一优点的基础上，通过使用模糊聚类方法，弥 补了该技术只适用于均匀分布的数据的缺陷，从 ／ ＼ ／ ＼ 而提出了一种基于模糊聚类的金字塔划分策略。 数据空问 图1 数据空问的金字塔划分 2 基于模糊聚类的金字塔划分算法设计 笔者从这一点人手，将模糊聚类技术与金字 度 塔技术结合起来，设计提出了一个合适的、适用于 不规则数据集的聚类算法，并将其作为金字塔划 分的预处理。该划分策略大致分为2个步骤，先 金7塔r“ 是对数据集进行模糊聚类 ，然后对各个聚类分别 图2 金字塔空间中数据点的属性 采用金字塔技术进行划分。因此，模糊聚类方法 的