一种基于密度的分布式聚类改进算法

作者：刘恒; 苏静; 唐咸艳; 卢佳佳; 梁志胜; 洪月华

来源：微电子学与计算机, 2018, 35(05): 128-132.

DOI：10.19304/j.cnki.issn1000-7180.2018.05.025

• 聚类
• 分布式
• 数据挖掘
• 代表点

基于密度分布式聚类算法(DBDC)在分布式聚类运算中运用广泛,但具有较高的算法时间复杂度.本文提出了一种基于代表点交互的全局聚类方法,利用数据网格运算方法将数据对象映射到空间网格,改进基于密度的分布式聚类算法,优化原算法的空间搜索过程,从而改进生成本地聚类的效率.同时在全局聚类层面可利用中心点作为代表点来降低聚类误差.通过实验,表明该方法能够改进基于密度的分布式聚类算法,较传统分布式聚类算法提高了准确性度并降低了算法时间复杂度.

• 单位
  广西医科大学; 公共卫生学院; 广西经济管理干部学院