[发明专利]一种基于并行自然邻的局部核心点聚类算法

说明书

本发明公开一种基于并行自然邻的局部核心点聚类算法，包括以下几个步骤：S1：采用快速排序法对数据集进行KD‑树的构建；S2：采用并行的自然邻搜索算法，获取每个数据对象的邻域信息；S3：通过计算每个数据对象的密度从而获取局部核心点；S4：计算局部核心点之间的距离；S5：构造决策图，实现局部核心点的聚类；S6：分配非局部核心点，实现数据集的聚类。通过本发明定义了基于共享近邻的局部核心点之间的距离，提高了聚类算法的效率。

技术领域

本发明涉及数据挖掘技术领域，特别涉及一种基于并行自然邻的局部核心点聚类算法。

背景技术

聚类分析是数据挖掘的一种重要方法，其目的是将数据对象划分成不同的类，使得在同一个类簇中的对象彼此相似，而在不同类簇中的对象彼此不同。聚类分析被广泛地应用于大数据、模式识别、图像处理和人工智能等领域。因此对聚类分析算法的研究具有重要的意义。现有的聚类算法大致可以分为基于划分的方法、基于密度的方法、基于层次的方法、基于网格的方法和基于模型的方法等。

近年来，基于中心的聚类算法逐渐成为研究的热点。基于划分的方法，如K-means算法和K-medoids算法等，也称为基于中心的聚类算法。但是K-means算法和K-medoids算法的聚类结果很容易受初始簇中心的影响，不同的初始簇中心可能会得到差异较大的聚类结果。为了避免初始簇中心的选择，Frey和Dueck提出了AP算法，该算法将所有的数据对象都当作潜在的簇中心，然后通过数据对象之间的信息传递找到最优的聚类中心。但是AP算法的聚类结果容易受到preference参数的影响，为了解决该问题，K-AP算法被提出。它通过引入一个约束条件，利用K个簇的中间结果进行聚类。但是AP算法和K-AP算法都无法识别非球形的簇。一个基于密度适应和谱维度约减的AP聚类算法DAAP算法被提出来，用于解决该问题，但是由于需要计算所有对象之间的最短路径，因此其具有较高的时间复杂度。Rodriguez和Laio于2014年在《Science》上提出了一种快速查找密度峰DP的聚类算法。该算法认为聚类中心被具有较低密度的邻居包围，并且它们与具有更高密度的对象之间的距离相对较大。基于这种思想，DP算法通过构造决策图，将数据对象映射到关于密度和δ距离的二维空间(决策图)中，具有较大密度和δ距离的聚类中心被突出出来，从而很容易得到聚类中心。DP算法不需要像K-means算法和K-medoids算法一样不断地优化目标函数以得到最优的聚类中心，但是它无法识别复杂的流形簇。

发明内容

针对已有DP(Density Peaks)算法无法适用于复杂流形数据集的不足，本发明提出一种基于并行自然邻的局部核心点聚类算法，利用局部领域信息重新定义局部核心点之间的距离，能够较好地用于3D点云数据骨架提取。

为了实现上述目的，本发明提供以下技术方案：

一种基于并行自然邻的局部核心点聚类算法，其特征在于，包括以下几个步骤：

S1：采用快速排序法对数据集进行KD-树的构建；

S2：采用并行的自然邻搜索算法，获取每个数据对象的邻域信息；

S3：通过计算每个数据对象的密度从而获取局部核心点；

S4：计算局部核心点之间的共享近邻的距离；

S5：构造决策图，实现局部核心点的聚类；

S6：分配非局部核心点，实现数据集的聚类。

优选的，所述S1中所述快速排序法为，采用快速排序后的标称值的位置与需要查找的中值位置进行比较，从而判断中值点位于标称值的左边或右边，然后递归地去查询，直到标称值的位置为中值点所在的位置为止。

优选的，所述S2中，所述并行的自然邻搜索算法为采用收集节点和搜索节点两种类型的计算节点对KD-树进行并行计算，用于获取数据集的每个数据对象的邻域信息。