基于近邻传播的分布式数据流聚类算法

• 作者: 侯颖 张建朋 金鑫 陈福才 陈鸿昶
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 数据挖掘 分布式聚类 数据流 近邻传播 基于密度聚类
• 年，卷（期）: 2013,（9）
• 所属期刊栏目: 数据库技术
• 页码范围: 2477-2481
• 页数: 5页
• 分类号: TP181
• 字数: 6256字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2013.09.2477

摘要

针对分布式数据流聚类算法存在的聚类质量不高、通信代价大的问题,提出了密度和代表点聚类思想相结合的分布式数据流聚类算法.该算法的局部站点采用近邻传播聚类,引入了类簇代表点的概念来描述局部分布的概要信息,全局站点采用基于改进的密度聚类算法合并局部站点上传的概要数据结构进而获得全局模型.仿真实验结果表明,所提算法能明显提高分布式环境下数据流的聚类质量,同时算法使用类簇代表点能够发现不同形状的聚簇并显著降低数据传输量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈福才		31	193	7.0	12.0
2	陈鸿昶		61	354	10.0	16.0
3	张建朋		6	33	4.0	5.0
4	金鑫		10	23	2.0	4.0
5	侯颖		4	11	2.0	3.0