一种并行自适应微粒群聚类算法

摘要：

大规模的数据挖掘如聚类问题迫切需要大量计算,提出了自适应微粒群优化的并行聚类算法.通过从多种群并行地开始搜索,基于群体搜索技术的微粒群优化算法减少了初始条件的影响,采用任务并行和部分异步通信策略,降低计算时间.结合并行微粒群算法的自适应参数动态优化特性,克服群体逐渐失去迁移性而停止进化的问题,保持群体多样性从而了避免种群退化.仿真实验证明,该算法在并行机群上运行时,加快了聚类算法的计算速度,提高了聚类质量.

关键词：并行聚类、自适应微粒群优化、任务并行、异步通信

所属期刊栏目：31

分类号：TP18(自动化基础理论)

资助基金：重庆市自然科学基金资助项目CSTC2007BB2406

在线出版日期：2008-08-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：652-657