一种改进的自适应网格划分的分布式聚类算法

作者：蔡莉; 王浩宇; 周君; 何婧^*; 刘俊晖

来源：小型微型计算机系统, 2023, 44(04): 731-736.

DOI：10.20009/j.cnki.21-1106/tp.2021-0619

• 聚类
• 自适应网格划分
• 相对熵
• 高维数据集
• Spark平台

在众多聚类算法中，基于网格划分思想的聚类算法是较为常用的算法类型之一，但现有的算法对于处理海量高维数据而言，会存在以下两个问题：一是聚类结果的准确率较低；二是算法耗时较长.为了解决现有算法的不适应性，该文在网格聚类算法的基础上结合降维技术、自适应网格划分、相对熵和分布式计算，提出了一种改进的自适应网格划分的分布式聚类算法(AMCBS),可以较好解决以上问题.经实验证明，该算法对于D31标准数据集、UCI数据集、人脸图片数据集和GitHub文本数据集等的效果均优于常见的聚类算法，具有较好的准确率和较高的运行效率.

• 单位
  云南大学