二分K均值聚类算法优化及并行化研究.pdf

第37 卷 第17 期 计 算 机 工 程 2011 年9 月 Vol.37 No.17 Computer Engineering September 2011 ·软件技术与数据库· 文章编号：1000—3428(2011)17—0023—03 文献标识码：A 中图分类号：TP338.6 二分 均值聚类算法优化及并行化研究 K 1 1 1 2 张军伟 ，王念滨 ，黄少滨 ，蔄世明 (1. 哈尔滨工程大学计算机科学与技术学院，哈尔滨 150001 ；2. 哈尔滨工业大学计算机科学与技术学院，哈尔滨 150001) 摘 要：二分 K 均值聚类算法在二分聚类过程中的初始质心选取速度方面存在不足。为此，提出以极大距离点作为二分聚类初始质心的思 想，提升算法的运行速度。研究如何在群集系统中进行快速聚类，根据二分 K 均值聚类算法的特性，采用数据并行的思想和均匀划分的策 略，对算法进行并行化处理。实验结果表明，改进后的算法能获得比较理想的加速比和较高的使用效率。 关键词：数据挖掘；聚类算法；二分 K 均值；并行化；群集系统 Research on Bisecting K-Means Clustering Algorithm Optimization and Parallelism 1 1 1 2 ZHANG Jun-wei , WANG Nian-bin , HUANG Shao-bin , MAN Shi-ming (1. College of Computer Science and Technology, Harbin Engineering University, Harbin 150001, China; 2. College of Computer Science and Technology, Harbin Institute of Technology, Harbin 150001, China) 【Abstract 】Considering the insufficiency of clustering speed which exists in the selecting the initial centroid of Bisecting K-Means(BKM) clustering algorithm, the idea of selecting the two patterns with distance maximum as the initial cluster centroid is implemented. An in-depth study and analysis is carried out on how to accelerate clustering in clustering system. According to the characteristics of BKM, the parallelism algorithm based on data parallelism and symmetric data-partition is put forward. Experimental results show that the improvement of algorithm gets ideal speedup performance and efficiency. 【Key words