计算机应用研究

作者：胡春安,王家欣,毛伊敏,

单位：江西理工大学信息工程学院,江西赣州341000；

关键词：大数据,密度聚类算法,基于图形的分组策略,重力搜索优化算法,MR-CTMC策略,

基金：国家重点研发计划资助项目(2018YFC1504705)；国家自然科学基金资助项目(41562019,61762046)；江西省教育厅科技项目(GJJ209407)；；

针对并行密度聚类算法在处理大数据集时存在伸缩困难、参数寻优能力不佳、并行化效率较低等问题，提出一种基于分组和重力搜索优化算法（improve gravitational search algorithm，IGSA）的并行密度聚类算法（density-based clustering algorithm based on groups and improve gravitational search，MR-GDBIGS）。首先，该算法设计了基于图形的分组策略（grouping strategy based on pattern，GSP）来有效划分数据，加速邻域搜索，解决了处理大数据集时伸缩困难的问题；其次，在局部聚类中提出基于位置更新函数（position update function，PUF）的重力搜索优化算法，动态寻找局部聚类中的最优参数，提升了局部聚类的效果；最后，提出基于覆盖树的并行局部簇合并策略（cluster merging strategy by using MapReduce，MR-CTMC），在实现局部簇并行化合并的同时加快了合并局部簇的收敛速度，提升了算法整体的并行化效率。实验结果表明，MR-GDBIGS算法在处理大数据时的聚类效果更佳，且并行化性能更好。

来源：2021年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第11期