快速有效的并行二分K均值算法.pdf

1、數(shù)據(jù)所表征的歸屬類是在數(shù)據(jù)之間復(fù)雜聯(lián)系的背后隱藏的一種難以被人們發(fā)現(xiàn)的模式。目前,已經(jīng)有很多種聚類分析的方法被用在數(shù)據(jù)挖掘中來(lái)分析這種模式,這些方法各有利弊,有一些算法已經(jīng)付諸實(shí)踐。K均值就是其中一種簡(jiǎn)單易行的算法,但是該算法卻存在著很多弊端。K均值算法中需要由用戶來(lái)確定待聚類的個(gè)數(shù)K,而且初始的聚類中心也有很大的不確定性,這就導(dǎo)致了該方法具有不穩(wěn)定性且容易陷入局部最優(yōu)解,而得不到全局最優(yōu)解。
　　圖像分割是實(shí)現(xiàn)視覺(jué)理解的基礎(chǔ),但

2、由于圖像結(jié)構(gòu)和內(nèi)容不同,要實(shí)現(xiàn)快速通用的圖像分割仍然是一個(gè)難題。聚類分析可以在圖像沒(méi)有先驗(yàn)知識(shí)時(shí)進(jìn)行初步分割?；诰垲惙治龅膱D像分割方法對(duì)樣本空間的約束小,分割算法的通用性好。無(wú)論是灰度圖像、彩色圖像分還是紋理圖像,都可以應(yīng)用聚類分析方法完成分割。但是基于聚類分析的分割方法還不完善,主要因?yàn)榫垲惙治鲇?jì)算量大,存在極值問(wèn)題和對(duì)噪聲樣本敏感。
　　對(duì)上述K均值方法存在的問(wèn)題進(jìn)行了研究,利用K均值方法對(duì)于數(shù)據(jù)二分的結(jié)果較為穩(wěn)定的特點(diǎn),設(shè)

3、計(jì)并實(shí)現(xiàn)了并行二分K均值算法。該算法調(diào)用K均值對(duì)數(shù)據(jù)按照細(xì)胞分裂的方式進(jìn)行切分,構(gòu)建一棵滿二叉樹,當(dāng)葉子結(jié)點(diǎn)數(shù)超過(guò)數(shù)據(jù)的類別數(shù)時(shí)對(duì)葉子結(jié)點(diǎn)進(jìn)行部分合并,進(jìn)而獲得最終的聚類結(jié)果在此過(guò)程中,并且把并行二分K均值方法應(yīng)用于圖像分割。本文的研究工作主要要包括以下幾方面:
　　(1)用并行二分K均值方法與已經(jīng)有的二分K均值方法進(jìn)行對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)證實(shí)并行二分K均值相比于二分K均值具有較低的時(shí)間復(fù)雜度和較好的聚類效果。并行二分K均值方法保留了K