论文部分内容阅读
为了解决集中式聚类算法不能处理海量大数据的问题，提出基于Fisher判别确定置信半径的分布式聚类算法．应用网络上各个节点的计算、存储能力，以及网络的带宽，将聚类所需的时间复杂度和空间复杂度平摊到各个节点．通过应用Fisher线性判别找到节点在同一子类数据上的稠密和稀疏分布，从而快速确定聚类的置信半径并指导下一步的聚类过程，使得保持聚类精度的同时能提高分布式聚类的速度．对算法进行了数值模拟，并使用真实数据完成了试验．结果表明，所提出算法相比DFEKM聚类算法，能根据数据分布的不同在聚类结果和聚类速度上达到很