大规模分布数据的分阶段非线性聚类方法应用研究

作者：丘威

来源：电脑知识与技术, 2013, (34): 7767-7769.

• 流数据
• 数据挖掘
• 聚类
• 非线性 manifold data
• data mining
• clustering
• nonlinear

提出一种能够有效处理大规模分布的数据聚类问题且简化计算复杂度的分阶段非线性聚类方法,该算法包含两个阶段:首先将数据划分为若干个球形分布的子类,采用K近邻图理论对原始数据计算顶点能量并提取顶点攻能量样本;再采用K近邻算法对该高能量样本做一个划分,从而得到一个考虑高能量样本的粗划分同时估计出聚类的个数,最后,综合两次聚类结果整理得到最终聚类结果。该方法的主要优点是可以用来处理复杂聚类问题,算法较为稳定,并且在保持聚类正确率的同时,降低了大规模分布数据为相似性度量的计算代价。

• 出版日期2013
• 单位嘉应学院