基于约束信息的并行k-means算法

• 作者: 於跃成 王建东 郑关胜 陈斌
• 来源期刊: 东南大学学报（自然科学版）
• 学科: 工学
• 关键词: k-means 并行k-means 约束聚类 约束并行k-means
• 年，卷（期）: 2011,（3）
• 页码范围: 505-508
• 分类号: TP391.4
• 字数: 3817字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0505.2011.03.014

摘要

为获得分布式数据集上用户所期望的聚类结果,提出了基于约束信息的并行k-means聚类算法.在分析并行k-means能够有效实现对水平分布式数据集进行聚类的基础上,修改并行k-means算法的目标函数,设计约束并行k-means算法,将站点用户的约束信息以chunklet的形式引入到分布式聚类过程,从而引导算法执行有偏搜索.约束并行k-means算法在理论上保证无约束样本簇内距离最小的同时能够确保chunklet约束中的样本与对应的簇中心之间的平均距离最小.实验结果表明,约束并行k-means算法能够有效改善并行k-means的聚类精度,同时在分布式环境下能够得到与已有约束聚类算法在集中式数据集上相等价的聚类结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	於跃成	南京航空航天大学信息科学与技术学院	17	75	5.0	8.0
3	王建东	南京航空航天大学信息科学与技术学院	158	1573	21.0	31.0
4	陈斌	南京航空航天大学信息科学与技术学院	11	168	6.0	11.0
5	郑关胜	南京航空航天大学信息科学与技术学院	3	68	3.0	3.0