基于分形维数的聚类融合算法

吉林大学学报(工学版) ›› 2012, Vol. 42 ›› Issue (增刊1): 364-367.

基于分形维数的聚类融合算法

吴晓璇^1,2, 倪志伟^1,2, 倪丽萍^1,2

1. 合肥工业大学管理学院商务智能研究所,合肥 230009;
2. 合肥工业大学过程优化与智能决策教育部重点实验室,合肥 230009

收稿日期:2012-03-20 出版日期:2012-09-01 发布日期:2012-09-01
作者简介:吴晓璇(1984-),女,博士研究生,研究方向:分形数据挖掘,E-mail:kexinyufan@163.com
基金资助:
"863"国家高技术研究发展计划项目(2011AA040501);国家自然科学基金项目(71271071);中央高校基本科研业务费专项资金资助项目(2011HGBZ1310).

Clustering ensembles algorithm based on fractal dimension

WU Xiao-xuan^1,2, NI Zhi-wei^1,2, NI Li-ping^1,2

1. School of Management and Business Intelligence Institute, Hefei University of Technology, Hefei 230009, China;
2. Key Laboratory of Process Optimization and Intelligent Decision- making, Ministry of Education, Hefei University of Technology, Hefei 230009, China

Received:2012-03-20 Online:2012-09-01 Published:2012-09-01

摘要/Abstract

摘要： 对基于分形维数的聚类融合算法进行了研究。首先介绍分形维数聚类算法,产生聚类成员;然后利用投票法进行聚类融合;最后简单介绍了云计算环境下分布式聚类融合思想。基于分形维数的聚类融合算法比单一分形维数聚类算法得到的聚类结果更好,具有更好的鲁棒性。在分形维数聚类算法中,结合网格聚类与单一分形聚类的优点,提出了基于网格和分形维数的聚类算法,它可以发现任意形状且距离非邻近的聚类,适合于海量﹑高维数据。

关键词: 计算机系统结构, 网格, 分形维数, 投票策略, 聚类融合

Abstract: The fractal dimension based clustering ensembles algorithm was studied.It introduced clustering algorithm based on fractal dimension at first in order to create partitions for clustering ensembles,then using voting strategy to get ensembles result.Finally,an idea on distributed clustering ensembles under cloud computing environment was brief discussed.Fractal dimension based clustering ensembles algorithm can offer better solutions in terms of robustness,novelty and stability than the single clustering algorithm based on fractal dimension.Combining the approaches based on grid and fractal,the clustering algorithm called grid and fractal dimension based clustering algorithm (GFDC) was presented to create partitions for clustering ensembles instead of clustering algorithm based on fractal dimension.GFDC is able to capture arbitrary shapes and non-neighboring clustering and can be applied to the massive and high-dimension dataset.

Key words: computer systems organization, grid, fractal dimension, voting strategy, clustering ensembles

中图分类号:

TP311.13

吴晓璇, 倪志伟, 倪丽萍. 基于分形维数的聚类融合算法[J]. 吉林大学学报(工学版), 2012, 42(增刊1): 364-367.

WU Xiao-xuan, NI Zhi-wei, NI Li-ping. Clustering ensembles algorithm based on fractal dimension[J]. 吉林大学学报(工学版), 2012, 42(增刊1): 364-367.

参考文献

[1] 阳琳赟,王文渊.聚类融合方法综述[J].计算机应用研究,2005(12): 8-10. Yang Lin-yun,Wang Wen-yuan.Clustering ensemble approaches: overview[J].Computer Application research,2005(12): 8-10.

[2] 蒋盛益.基于投票机制的融合聚类算法[J].小型微型计算机系统,2007(2): 306-309. Jiang Sheng-yi.Custer fusion algorithm based on majority voting mechanism[J].Journal of Chinese Computer Systems,2007(2): 306-309.

[3] 邹远强,李国徽,赵梓屹.基于遗传和蚁群算法融合的聚类新方法[J].科学技术与工程,2006(23): 4700-4705. Zou Yuan-qiang,Li Guo-hui,Zhao Zi-yi.New clustering algorithm based on combination of genetic algorithm and ant colony algorithm [J].Science Technology and Engineering, 2006(23): 4700-4705.

[4] Strehl A,Ghosh J.Cluster ensembles: a knowledge reuse framework for combining multiple partitions[J].Journal of Machine Learning Research,2003,3(3): 583-617.

[5] Fred A L.Finding consistent clusters in data partitions[C]//Proceeding of the 2nd International Workshop on Multiple Classifier Systems,Volume 2096 of Lecture Notes in Computer Science.: Springer,2001: 309-318.

[6] Topchy A,Jain A K,Punch W.A mixture model for clustering ensembles [C]//Proceedings of the 4th SIAM International Conference on Data Mining,2004: 379-390.

[7] 倪志伟,倪丽萍,刘慧婷,等.动态数据挖掘[M].北京:科技出版社,2010: 107-110.

[8] 梁敏君,倪志伟,倪丽萍,等.基于网格和分形维数的聚类算法[J].计算机应用,2009,29(3): 830-832. Liang Min-jun,Ni Zhi-wei,Ni Li-ping,et al.Clustering algorithm based on Grid and Fractal dimension[J].Journal of Computer Applications,2009,29(3): 830-832.

[9] 杜晨阳.分布式聚类算法研究与应用.杭州:浙江大学计算机科学学院,2011. Du Chen-yang.Research and application of distributed clustering.Hangzhou: College of Computer science,Zhejiang University,2011.

相关文章 15

[1]	尼颖升,孙启鑫,马晔,徐栋,刘超. 基于空间网格分析的多箱室波形钢腹板组合梁腹板剪力分配[J]. 吉林大学学报(工学版), 2018, 48(6): 1735-1746.
[2]	余宜诚, 胡亮, 迟令, 初剑峰. 一种改进的适用于多服务器架构的匿名认证协议[J]. 吉林大学学报(工学版), 2018, 48(5): 1586-1592.
[3]	董坚峰, 张玉峰, 戴志强. 改进的基于狄利克雷混合模型的推荐算法[J]. 吉林大学学报(工学版), 2018, 48(2): 596-604.
[4]	兰凤崇, 黄佳楠, 陈吉清, 李丽芬. 自然暴露下汽车座椅热负荷的数值模拟及试验[J]. 吉林大学学报(工学版), 2018, 48(1): 65-73.
[5]	马晔, 尼颖升, 徐栋, 刁波. 基于空间网格模型分析的体外预应力加固[J]. 吉林大学学报(工学版), 2018, 48(1): 137-147.
[6]	尼颖升, 孙启鑫, 马晔, 徐栋. 基于拉应力域的波形钢腹板组合梁承载力配筋计算[J]. 吉林大学学报(工学版), 2018, 48(1): 148-158.
[7]	赵博, 秦贵和, 赵永哲, 杨文迪. 基于半陷门单向函数的公钥密码[J]. 吉林大学学报(工学版), 2018, 48(1): 259-267.
[8]	尼颖升, 马晔, 徐栋, 李金凯. 波纹钢腹板斜拉桥剪力滞效应空间网格分析方法[J]. 吉林大学学报(工学版), 2017, 47(5): 1453-1464.
[9]	刘磊, 刘利娟, 吴新维, 张鹏. 基于ECPMR的编译器测试方法[J]. 吉林大学学报(工学版), 2017, 47(4): 1262-1267.
[10]	董立岩, 王越群, 贺嘉楠, 孙铭会, 李永丽. 基于时间衰减的协同过滤推荐算法[J]. 吉林大学学报(工学版), 2017, 47(4): 1268-1272.
[11]	于斌斌, 武欣雨, 初剑峰, 胡亮. 基于群密钥协商的无线传感器网络签名协议[J]. 吉林大学学报(工学版), 2017, 47(3): 924-929.
[12]	邓昌义, 郭锐锋, 张忆文, 王鸿亮. 基于平衡因子的动态偶发任务低功耗调度算法[J]. 吉林大学学报(工学版), 2017, 47(2): 591-600.
[13]	魏晓辉, 刘智亮, 庄园, 李洪亮, 李翔. 支持大规模流数据在线处理的自适应检查点机制[J]. 吉林大学学报(工学版), 2017, 47(1): 199-207.
[14]	郝娉婷, 胡亮, 姜婧妍, 车喜龙. 基于多管理节点的乐观锁协议[J]. 吉林大学学报(工学版), 2017, 47(1): 227-234.
[15]	魏晓辉, 李翔, 李洪亮, 李聪, 庄园, 于洪梅. 支持大规模流数据处理的弹性在线MapReduce模型及拓扑协议[J]. 吉林大学学报(工学版), 2016, 46(4): 1222-1231.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed