[发明专利]聚类实现方法及系统

权利要求书

1.一种聚类实现方法，其特征在于，包括：

步骤1、主控节点对样本分块，并将分块样本分配给至少两个计算节点，将分配的分块样本和每一个聚类的聚类中心点信息传送给每个所述计算节点；

步骤2、每个所述计算节点分别计算分配的分块样本中每个样本在样本空间中的对应样本点与各聚类中心点的距离，将每个样本归属到所述距离最小的对应聚类中心点所属聚类；对每一个聚类分别统计本地属于该聚类的样本数量以及计算属于该聚类的各样本的样本值的和值，并传送所述样本数量和所述和值给合并节点；

步骤3、所述合并节点对每一个聚类根据每个所述计算节点传送的所述样本数量和所述和值，求取均值，得到每一个聚类的虚拟聚类中心点信息，并传送给所述主控节点；

步骤4、所述主控节点根据接收的每一个聚类的虚拟聚类中心点信息和当前保存的每一个聚类的聚类中心点信息以及设定的中心点更新策略，当确定出至少由一个聚类的虚拟聚类中心点信息更新当前保存的该聚类的聚类中心点信息时，发送本次更新后的和本次未更新的每一个聚类的聚类中心点信息给所述至少两个计算节点，重复上述步骤2和步骤3；当确定出每一个聚类的聚类中心点信息都不再更新时，将最后一次更新后的聚类中心点信息作为每一个聚类的实际聚类中心点信息。

2.如权利要求1所述的聚类实现方法，其特征在于，还包括：

所述主控节点将每一个聚类的所述实际聚类中心点信息传送给每个所述计算节点；

每个所述计算节点分别计算分配的分块样本中每个样本在样本空间中的对应样本点与各实际聚类中心点的距离，将每个样本归属到所述距离最小的对应实际聚类中心点所属聚类，并返回样本标识与所属聚类的聚类标识给所述主控节点；

所述主控节点根据每个所述计算节点返回的样本标识与所属聚类的聚类标识，确定出每个样本所属聚类。

3.如权利要求1或2所述的聚类实现方法，其特征在于，所述合并节点至少包括两个；由所述主控节点预先分配每个合并节点进行合并的对应聚类；步骤2中所述传送所述样本数量和所述和值给合并节点，具体包括：

所述计算节点根据每个合并节点进行合并的对应聚类，将本地统计出的属于所述对应聚类的样本数量以及计算出的属于所述对应聚类的各样本的样本值的和值，上报给对应的合并节点；或者

每个合并节点根据自身进行合并的对应聚类，分别向每个所述计算节点请求上传所述对应聚类的统计信息；每个所述计算节点向每个合并节点返回其请求的所述对应聚类在本地统计出的样本数量以及计算出的属于所述对应聚类的各样本的样本值的和值。

4.如权利要求3所述的聚类实现方法，其特征在于，由所述主控节点预先分配每个合并节点进行合并的对应聚类，包括：

由所述主控节点给每个所述合并节点分配至少一个进行合并的聚类。

5.一种聚类实现方法，其特征在于，包括：

步骤1、主控节点对样本分块，并将分块样本分配给至少两个计算节点，将分配的分块样本和每一个聚类的聚类中心点信息传送给每个所述计算节点；

步骤2、每个所述计算节点分别计算分配的分块样本中每个样本在样本空间中的对应样本点与各聚类中心点的距离，将每个样本归属到所述距离最小的对应聚类中心点所属聚类；分别统计本地属于每一个聚类的样本数量以及计算属于该聚类的各样本包含的每一个样本属性的属性值的和值，并传送所述样本数量、以及携带聚类标识和样本属性标识的所述和值给合并节点；

步骤3、所述合并节点对每一个聚类的每一个样本属性根据每个所述计算节点传送的所述样本数量和所述和值，计算出每一个聚类的每一个样本属性的属性值的均值，并传送给所述主控节点；

步骤4、所述主控节点根据接收的每一个聚类的每一个样本属性的属性值的均值，得到每一个聚类的虚拟聚类中心点信息，并根据当前保存的每一个聚类的聚类中心点信息以及设定的中心点更新策略，当确定出至少由一个聚类的虚拟聚类中心点信息更新当前保存的该聚类的聚类中心点信息时，发送本次更新后的和本次未更新的每一个聚类的聚类中心点信息给所述至少两个计算节点，重复上述步骤2和步骤3；当确定出每一个聚类的聚类中心点信息都不再更新时，将最后一次更新后的聚类中心点信息作为每一个聚类的实际聚类中心点信息。