一种适合大规模数据的快速非递归聚类方法

摘要

一种适合大规模数据的快速非递归聚类方法属于数据挖掘技术领域。该方法采用两层循环实现数据聚类，先定义了两个定位指针，然后从数据序列中随机选定一个基准数据看作簇的代表数据，并将其交换到待处理数据的最右边，同时定义扫描过程指针并初始化。对待处理数据进行扫描并计算剩余数据和该基准数据的相似度值并和用户阈值比较，根据比较结果调整剩余数据在序列中的位置，遵循相似度值大于用户阈值的数据交换到序列左侧，相似度值小于用户阈值的数据交换到序列右侧，就完成了一次数据分割。最后重置定位指针，定位新的待处理数据并返回外层循环继续执行，直到整个数据序列聚类完成。本发明适用于球型数据且对时间有较高要求的大规模数据集聚类。

主权项

一种适合大规模数据的快速非递归聚类方法，其特征在于步骤如下：步骤1：输入用户相似度阈值K以及包含n个数据样本的初始待处理数据序列D，K的参考取值通常是同一簇中元素间的最小相似度值；步骤2：定义待处理数据序列头和尾的指示指针分别为start和end，也即赋初值start等于1,end等于n；步骤3：从待处理数据序列中随机选择一个数据作为基准值，并将其与end指示的数据进行交换；步骤4：定义扫描指针i、j，并赋初值使的j等于start，i等于j指针向左移1位的取值；步骤5：如果j>＝end则执行步骤6，否则从左向右扫描指针start和end指示的序列，根据选定的相似度计算方式计算j指定的当前数据和基准值的相似度,并和用户阈值进行比较，如果相似度大于或等于用户阈值，则执行i指针向右移1步，并交换指针i和j指定的数据，然后j向右移1步，继续循环扫描，执行步骤5；如果相似度小于用户阈值则j向右移1步，继续循环扫描，执行步骤5；步骤6：向右移动i指针1步，并交换i和end指定的数据；步骤7：向右移动i指针1步，如果i小于end则重置start指针，使其指向i指针指示的数据并返回步骤3继续循环，否则算法终止。