一种基于集成学习的分布式聚类算法

• 作者: 凌霄汉 吉根林 杨明
• 来源期刊: 东南大学学报（自然科学版）
• 学科: 工学
• 关键词: K-means 分布式聚类 数据挖掘 集成学习
• 年，卷（期）: 2007,（4）
• 页码范围: 585-588
• 页数: 4页
• 分类号: TP311
• 字数: 2937字
• 语种: 中文
• DOI: 10.3321/j.issn:1001-0505.2007.04.008

摘要

基于集成学习的思想,提出一种分布式聚类模型.该模型的分布式处理过程分为2个阶段:先在局部站点局部聚类,然后在全局站点全局聚类.局部站点的局部聚类看作是一种基于数据子集的学习过程,所有的局部聚类结果组成了聚类集成系统的个体学习器,全局聚类采用平均法对局部结果进行集成,并定义了一个准则函数来度量集成的精度.把K-means算法推广到分布式环境,提出一种基于该模型的分布式K均值算法DK-means,该算法对局部数据的分布有较强的伸缩性.实验结果表明,DK-means在同等条件下能达到集中式聚类的精度水平,是有效可行的,从而验证了基于集成学习的分布式聚类模型的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨明	南京师范大学计算机系	58	1074	15.0	32.0
2	吉根林	南京师范大学计算机系	138	2757	22.0	50.0
3	凌霄汉	南京师范大学计算机系	5	39	5.0	5.0