一种基于密度的分布式聚类改进算法

刘恒; 苏静; 唐咸艳; 卢佳佳; 梁志胜; 洪月华

Chinese

您当前的位置：

首页 >

文章列表页 >

一种基于密度的分布式聚类改进算法

更新时间：2026-09-04

- 一种基于密度的分布式聚类改进算法
- A Density-based Improvement for Distributed Clustering Algorithm
- 微电子学与计算机 2018年35卷第5期页码：128-132
- 作者机构：
  
  1. 广西医科大学机构信息与管理学院,广西,南宁,530021
  2. 广西医科大学公共卫生学院,广西,南宁,530021
  3. 广西医科大学研究生院,广西,南宁,530021
  4. 广西医科大学信息中心,广西,南宁,530021
  5. 广西经济管理干部学院机构计算机系,广西,南宁,530007
- 作者简介：
- 基金信息：
  
  国家自然科学基金 81502890国家社会科学基金 15XTQ010广西高校科学技术研究项目 KY2015YB351广西高校科学技术研究项目 KY2015LX045广西研究生教育创新计划项目 JGY2015037
- DOI：
  中图分类号：
- 纸质出版：2018
- 稿件说明：
移动端阅览
刘恒, 苏静, 唐咸艳, 卢佳佳, 梁志胜, 洪月华. 一种基于密度的分布式聚类改进算法[J]. 微电子学与计算机, 2018, 35(5): 128-132.

LIU Heng, SU Jing, TANG Xian-yan, et al. A Density-based Improvement for Distributed Clustering Algorithm[J]. 2018, 35(5): 128-132.
刘恒, 苏静, 唐咸艳, 卢佳佳, 梁志胜, 洪月华. 一种基于密度的分布式聚类改进算法[J]. 微电子学与计算机, 2018, 35(5): 128-132. DOI：

LIU Heng, SU Jing, TANG Xian-yan, et al. A Density-based Improvement for Distributed Clustering Algorithm[J]. 2018, 35(5): 128-132. DOI：

摘要

基于密度分布式聚类算法(DBDC) 在分布式聚类运算中运用广泛

但具有较高的算法时间复杂度.本文提出了一种基于代表点交互的全局聚类方法

利用数据网格运算方法将数据对象映射到空间网格

改进基于密度的分布式聚类算法

优化原算法的空间搜索过程

从而改进生成本地聚类的效率.同时在全局聚类层面可利用中心点作为代表点来降低聚类误差.通过实验

表明该方法能够改进基于密度的分布式聚类算法

较传统分布式聚类算法提高了准确性度并降低了算法时间复杂度.

Abstract

The density based distributed clustering algorithm (DBDC) has been employed widely in process of distributed clustering.A major drawback of DBDC is the high time complexity.This work presented a method based on representative point for global clustering.A data grid mapping method which mapped data object to space grid

which improved DBDC and enhance the space search process and efficiency of implementation in local clustering level.Clustering error can be reduced by aglobal clustering method based on representative point.Using verification experiment with real data set from open source software

results showed this algorithm can improve original DBDC in two aspects: accuracy and reducing time complexity.

关键词

Keywords

references

Li Zeng, Ling Li, Lian Duan. Distributed data mining research: a survey[J]. Information Technology and Management, 2012, 13 (4): 403-409. DOI: 403

刘淑芬, 孟冬雪, 王晓燕. 基于网格单元的DBSCAN算法[J], 吉林大学学报(工学版), 2014, 44 (4): 1135-1139. DOI: 1135

Yongli Li, Peng Sun, Minghui Sun, Rui Mao, et. al, An improved distributed clustering algorithm based on density[C], the proceeding of 8th International Conference on Intelligent Networks and Intelligent Systems, 2015, pp133-136.

Ruoming Jin, Gagan AgraWl. Shared memory paral-lelization of data mining algorithms techniques [J]. Programming Interface and Performance. IEEETrans-action on knowledge and Data Mining, 2005.17(1): 72-73. DOI: 72

洪月华. 蜂群K-means聚类算法改进研究[J]. 科技通报, 2016, 32 (4): 170-173. DOI: 170

张枫, 邱保志. 基于网格的高效DBSCAN算法[J], 计算机工程与应用, 2007, 43 (17): 167-169. DOI: 167

赵慧, 刘希玉, 崔海青. 网格聚类算法[J]. 计算机技术与发展, 2010, 20 (9): 83-85. DOI: 83

邓左祥, 李春贵. 一种有效的多关系聚类算法[J]. 微电子学与计算机, 2016, 33 (4): 33-41. DOI: 33

吉贵, 刘杰, 赵连字. 聚类算法研究[J]. 软件学报, 2008, 19 (1): 48-61. DOI: 48

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

低功耗设计的双链电源关断策略的实现与验证

基于区块链的AI生成内容溯源框架设计研究

超低功耗实时时钟电路的设计

一种用于极低压boost系统的高效率电荷泵

面向处理器分支预测单元的Spectre攻击轻量化防御方法