基于Fisher判别的分布式K-Means聚类算法

• 作者: 彭长生
• 来源期刊: 江苏大学学报（自然科学版）
• 学科: 工学
• 关键词: P2P网络 聚类算法 分布式聚类 Fisher线性判别 置信半径
• 年，卷（期）: 2014,（4）
• 页码范围: 422-427
• 页数: 6页
• 分类号: TP393
• 字数: 4948字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7775.2014.04.009

摘要

为了解决集中式聚类算法不能处理海量大数据的问题,提出基于Fisher判别确定置信半径的分布式聚类算法.应用网络上各个节点的计算、存储能力,以及网络的带宽,将聚类所需的时间复杂度和空间复杂度平摊到各个节点.通过应用Fisher线性判别找到节点在同一子类数据上的稠密和稀疏分布,从而快速确定聚类的置信半径并指导下一步的聚类过程,使得保持聚类精度的同时能提高分布式聚类的速度.对算法进行了数值模拟,并使用真实数据完成了试验.结果表明,所提出算法相比DFEKM聚类算法,能根据数据分布的不同在聚类结果和聚类速度上达到很好的平衡,这表明该算法具有更好的健壮性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭长生	江苏大学计算机科学与通信工程学院	3	16	2.0	3.0