一种分布式环境下的改进kMeans聚类算法.pdfVIP

一种分布式环境下的改进k—Means聚类算法*) An Distributedk-means Improved ClusteringAlgorithm 林晓斌叶东毅 (福州大学数学与计算机学院 福州350002) Ahn耐Thek-MeansBaseDistribute inthis forward carriesOn onthe Grid(KMBDG)broughtpaper pretreatment with nlakestheinitialclustercenterscaIlbeClOSetOthefirmlcentelsthanla．ndom grid，which method．re-- samples ducesthetimesfitemtive．Moreover，wemakeuseoftheresultof to the ofdistribu— pretreatmentimproveprocess ted of resultthe showsthatthe ofKMBDGisalmosttheSalTle、析mthe clustering．Theexperiment clusteringquality K-m篾-tlls itiSmuchefficient，andwecaIlseefrom出eresultthatitisefficientthantIledistributedal— algorithm，but k-DMeanscll． gorithm KeDvmrdsDistribute，C1ustering，k-Means 法。通常使用的聚类准则函数是聚类集中的每个样 1 引言 本到该类的距离之和，算法以该值收敛为目标。 聚类分析是数据挖掘领域的一项重要研究课 该算法的基本思想是：给定一个包含n个样本 题，聚类是将给定的样本集分组成相互分离的簇的 对象的数据库，以及要生成的簇的数目K，随机选 过程。相同簇中的样本具有高的相似度，而不同的 取K个对象作为初始的K个聚类中心，然后计算 簇之间的样本具有高的相异度。相异度是根据描述 剩余各个样本到每一个聚类中心的距离，把该样本 对象的属性值来计算的。迄今为止，人们已经提出 归到离它最近的那个聚类中心所在的类，对调整后 了许多聚类算法，诸如k-Means，DBSC删，Birch，的新类使用平均值的方法计算新的聚类中心。如果 Cure，Sting等。 相邻两次的聚类中心没有任何变化，说明样本调整 各种聚类方法中，基于目标函数的K·Means结束且聚类平均误差准则函数E已经收敛。 聚类方法应用极为广泛，根据聚类结果的表达方式 本算法在每次迭代中都要考察每个样本的分类 又可分为硬k-Means(HCM)算法、模糊k-means算是否正确，若不正确，就要调整，在全部样本调整完 法(F(、M)和概率k-Means算法(PCM)。 后，再修改聚类中心，进入下一次迭代，如果在一次 随着网络技术、特别是Internet的发展，大量的迭代算法中，所有的样本被正确分类，则不会有调 样本被存储在数据库中，使得针对大数据集的聚类 整，聚类中心也不会有任何变化。在