基于改进K-means++和DBSCAN的大数据聚类方法

作者：张玉琴; 梁莉^*; 张建亮; 冯向东

来源：国外电子测量技术, 2022, 41(09): 40-46.

DOI：10.19652/j.cnki.femt.2204010

• 大数据
• 数据聚类
• DBSCAN
• K-means++
• 局部搜索

为改善大规模数据集的处理性能，提出了基于改进K-means++和基于密度的含噪声应用空间聚类(DBSCAN)算法的大数据聚类方法。首先，将K-means++与局部搜索策略相结合，在数据集上进行初始化分区，然后利用DBSCAN算法在每个分组内单独执行数据聚类。利用改进K-means++算法提高数据预处理质量，并通过分区并行聚类的操作显著降低DBSCAN的计算负担，加快处理速度。最后，通过两阶段的剪枝策略对边缘聚类进行高效合并。实验结果表明，所提方法大幅降低了DBSCAN的执行时间，且聚类数据的质量与原DBSCAN算法非常接近，在UCI库的Bitcoin数据集上比其他比较方法的聚类效率提高了10倍以上，在处理时间和聚类数据质量之间实现了最优平衡。

• 单位
  成都理工大学工程技术学院; 数理学院; 成都理工大学