[发明专利]大规模数据聚类分析的并行化

权利要求书

1.一种包括记录在计算机可读介质上的指令的计算机系统，该系统包括：

聚类选择器，其被配置为确定多个样本聚类，以及在多个处理核中的每一个处再现所述多个样本聚类；

样本划分器，其被配置为将存储在数据库中的具有关联属性的多个样本划分为数目对应于所述多个处理核的数目的样本子集，并且还被配置为将所述数目的样本子集中的每一个与所述多个处理核中的对应一个相关联；以及

整合操作器，其被配置为基于所述多个处理核中的每个对应核处的每个样本子集中的每个样本的关联属性，执行所述每个样本相对于在所述对应处理核处再现的多个样本聚类中的每一个的比较。

2.如权利要求1所述的系统，其中，所述聚类选择器被配置为通过图形用户界面(GUI)从用户接收多个样本聚类的数目。

3.如权利要求1所述的系统，包括合并器，其被配置为合并所述在多个处理核中的每一个处执行的比较的比较结果，以便由此以所述多个样本来填充所述样本聚类。

4.如权利要求1所述的系统，其中，样本子集的数目等于所述多个处理核的数目，并且其中，每个样本子集包括相等数目的样本。

5.如权利要求1所述的系统，还包括属性划分器，其被配置为将与每个样本关联的属性划分为属性子集，以便在执行所述比较期间对其进行并行处理。

6.如权利要求1所述的系统，其中，所述比较包括在多个处理核中的每一个处执行的、每个样本子集中的每个样本与每个聚类的中心之间的相似性比较。

7.如权利要求6所述的系统，其中，使用包括在每个聚类中的样本的平均属性值来确定每个聚类的中心。

8.如权利要求6所述的系统，其中，所述整合操作器被配置为基于所述比较将样本从第一聚类重新指派到第二聚类。

9.如权利要求8所述的系统，包括合并器，其被配置为合并所述比较的比较结果以及被配置为根据需要使用经合并的比较结果来更新每个聚类的每个中心的值。

10.如权利要求9所述的系统，其中，所述合并器被配置为基于被重新指派的样本的数目来确定每个聚类内样本的稳定性。

11.一种计算机实现方法，包括：

确定存储在数据库中的具有关联属性的多个样本；

确定多个样本聚类；

在多个处理核中的每一个处再现所述多个样本聚类；

将所述多个样本划分为数目与所述多个处理核的数目相对应的样本子集；

将所述数目的样本子集中的每一个与所述多个处理核中的对应一个相关联；以及

基于在所述多个处理核的每个对应核处的每个样本子集中的每个样本的关联属性，执行所述每个样本相对于在对应处理核处再现的多个样本聚类中的每一个的比较。

12.如权利要求11所述的方法，还包括合并所述在多个处理核中的每一个处执行的比较的比较结果，以便由此以所述多个样本来填充所述样本聚类。

13.如权利要求11所述的方法，执行所述比较还包括将与每个样本相关联的属性划分为属性子集，以便在执行所述比较期间对其进行并行处理。

14.如权利要求11所述的方法，其中，执行所述比较进一步包括在多个处理核中的每一个处执行每个样本子集中的每个样本与每个聚类的中心之间的相似性比较。

15.一种计算机程序产品，该计算机程序产品被有形地具体实施在计算机可读介质上并且包括指令，所述指令当被运行时被配置为执行如下步骤：

确定存储在数据库中的具有关联属性的多个样本；

确定多个样本聚类；

在多个处理核中的每一个处再现所述多个样本聚类；

将所述多个样本划分为数目与所述多个处理核的数目相对应的样本子集；

将所述数目的样本子集中的每一个与所述多个处理核中的对应一个相关联；以及

基于在所述多个处理核的每个对应核处的每个样本子集中的每个样本的关联属性，执行所述每个样本相对于在对应处理核处再现的多个样本聚类中的每一个的比较。

16.如权利要求15所述的计算机程序产品，其中，所述指令当被运行时被配置为：合并所述在多个处理核中的每一个处执行的比较的比较结果，以便由此以所述多个样本来填充所述样本聚类。