一种不同的基于数据分区的并行构建密度树聚类算法(PCDTC).pdfVIP

2008年8月 西北工业大学学报 Aug． 2008 ofNorthwestern VoI．26No．4 第26卷第4期 Journal PolytechnicalUniversity 一种不同的基于数据分区的并行构建 密度树聚类算法(PCDTC) 张云鹏·，张 璐z，翟正军1，马春燕1，戴维迪2 (西北工业大学，陕西西安710072，2．天津大学。天津300072) 摘要：传统的聚类算法在全空间下的聚类过程倾向于输出单一的聚类结果，高维数据在不同的子 空间多视图下往往呈现不同的数据结构。文中引入空间的正交化方法实现在不同子空间上的并行 化，构建密度树聚类，以提供对数据集在多维子空间视图下聚类结果的多样性观测，通过F— measure值引导用户确定不同子空间中感兴趣的聚类结果。真实数据集上的实现结果证明了上述 方法的有效性。 关键词：并行处理，数据处理，聚类，分区 中图分类号：TPl8 文献标识码：A 文章编号；1000—2758(2008)04—0524—06 聚类分析已广泛应用于专家系统、机器学习、人 工智能、知识工程等诸多领域，主要的聚类方法包括 1算法思想 划分方法、层次方法、基于密度的方法、基于网格的 方法和基于模型的方法[u。构建密度树[2]聚类能够 本节按如下顺序进行组织：首先指出本文方法 有效利用局域密度变化情况自适应地调整聚类过 的本质和该方法的核心任务，然后简述了构建密度 程，并形式化地表达为一种树型结构实现聚类，然而 树聚类和PCAP算法，最后说明了子空间正交化的 却面临着O(n2)的计算复杂性。随着并行技术的发 步骤。 展，并行计算方法已经逐渐成为提高海量数据聚类 PCDTC算法将并行化技术与构建密度树方法 效率的新途径[3~5]，将并行化技术与构建密度树聚相结合，引入空间的正交化方法实现在不同子空间 类方法相结合能大幅度降低聚类时间，延拓了对海 上的并行化构建密度树聚类，以提供对数据集在多 量数据的处理能力。 维子空间视图下聚类结果的多样性观测，获得了相 另一方面，现实世界中的数据大多呈现高维特 异的聚类结果。 征，传统的聚类方法只能提供全局空间下对数据的 算法实现后，在对比分析过程中通过F- 单一观测，并只能给出单一的观测结果，不能实现对 measure值引导用户确定不同子空间中感兴趣的潜 数据的多视角探查。事实上，高维数据本身可以从不 在聚类结果和数据结构。 同角度采用不同方法进行解释，由此同组数据也会 1．1构建密度树聚类 产生多种“组群结构”，且从不同视角来看这些“结 在文献[6，7]中，构建密度树聚类思想是将聚类 构”都是合理的。如果从不同的特征子空间对数据的 过程看成树的生长过程，为了描述树结构，通常将具 隐结构进行识别，就可以获得相异的多种聚类结果， 有最大点密度的数据对象作为根结点，也作为首个 以满足对数据集多样化的应用需求。 父结点，将其特定邻域内的数据对象作为其子结点， 同时这些子结点也作为下一次扩展树结构的父结 点。为提高聚类的精确性，引入了动态邻域半径，其 收稿日期：2007-05．22 基金项目：西北工业大学科技创新基金(W016141)资助 作者简介，张云鹛(1976一)。西北工业大学讲师．博