一种自底向上的高维聚类算法.pdfVIP

( ) 　2006年 9 月 重庆大学学报 自然科学版 Sep. 2006 ( ) 第 29卷第 9期 Jou rnal of Chongqing U n iversity N atu ral Science Edition Vo l. 29　No. 9 　　文章编号 : 1000 - 582X (2006) 09 - 0 106 - 05 一种自底向上的高维聚类算法 冯 　永 ,钟 　将 ,熊忠阳 ,叶春晓 ,吴中福 (重庆大学 计算机学院 ,重庆 　400030) 摘 　要 :基于小波变换的聚类算法是高效的 ,能够探测到任意形状的聚类 ,可成功去除孤立点 ,并对 输入数据的顺序不敏感. 但当聚类维数增长时 ,算法的有效性会降低 ,计算复杂度也相当可观. 采用自底 向上的思想对小波聚类算法进行改进 ,使之适合高维聚类 ,并将改进算法并行化以增强可伸缩性. 实验 表明改进算法并未影响聚类质量 ,而且可有效地进行高维聚类 ,并降低了计算复杂度. 关键词 :聚类 ;小波变换 ; 自底向上 ;并行 中图分类号 : TP39 1 文献标识码 : A ( ) 　　聚类分析的目标是把空间数据中的对象组织成有 笔者提出的算法利用了小波聚类 W aveC lu ster 意义的子类. 由于空间数据的庞大数量 ,要赢得聚类算 的思想 ,小波聚类可有效处理任何大型空间数据集 ,发 法的效率是一个重要挑战. 同时 ,空间对象 自然多变 , 现任意形状的聚类 ,成功地去除孤立点 ,并对输入数据 这导致了聚类可以是任意形状的. 好的聚类算法应能 顺序不敏感. 由于信号处理技术的应用 ,可以自然获得 识别任意形状的聚类. 聚类算法所面临的另一个问题 多分辨特性. 但是当聚类的维数增加时 ,小波聚类的性 就是对孤立点的处理. 孤立点指没有包含在任何聚类 能并没有随着聚类维数的增加而提高 , 同时计算复杂 中的空间对象 ,在挖掘过程中应被丢弃. 聚类算法还应 度也相当可观. 因此 ,笔者提出采用一种自底向上的策 对数据的输入顺序不敏感 ,并且能够以不同程度的准 略对小波聚类进行改进 , 即对 k 维数特征空间应用小 确性来分类空间对象 ,即多分辨特性. 国内外的学者已经对聚类方法进行了大量的研 波变换来聚类, 形成 k + 1维数据空间聚类的候选集 , 究. 主要的聚类方法可以分为基于距离的聚类 、基于密 此方法自底向上进行 ,从而实现高维聚类的目的. 为了 度的聚类以及基于网格的聚类. 基于距离的方法其主 降低算法的计算复杂度 ,将改进算法利用 M a sterSlave 要思想是同一聚类中对象的距离尽可能小 ,不同聚类 模型并行化 ,使得算法在不影响聚类质量的前提下有 对象间的距离尽可能大. 典型的基于距离的方法是 k 效降低了遍