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)付諸實踐。K均值就是其中一種簡單易行的算法,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確定待聚類的個數(shù)K,而且初始的聚類中心也有很大的不確定性,這就導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。
　　圖像分割是實現(xiàn)視覺理解的基礎(chǔ),但

2、由于圖像結(jié)構(gòu)和內(nèi)容不同,要實現(xiàn)快速通用的圖像分割仍然是一個難題。聚類分析可以在圖像沒有先驗知識時進行初步分割?；诰垲惙治龅膱D像分割方法對樣本空間的約束小,分割算法的通用性好。無論是灰度圖像、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,主要因為聚類分析計算量大,存在極值問題和對噪聲樣本敏感。
　　對上述K均值方法存在的問題進行了研究,利用K均值方法對于數(shù)據(jù)二分的結(jié)果較為穩(wěn)定的特點,設(shè)

3、計并實現(xiàn)了并行二分K均值算法。該算法調(diào)用K均值對數(shù)據(jù)按照細胞分裂的方式進行切分,構(gòu)建一棵滿二叉樹,當葉子結(jié)點數(shù)超過數(shù)據(jù)的類別數(shù)時對葉子結(jié)點進行部分合并,進而獲得最終的聚類結(jié)果在此過程中,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均值方法進行對比實驗,實驗證實并行二分K均值相比于二分K均值具有較低的時間復(fù)雜度和較好的聚類效果。并行二分K均值方法保留了K