基于MPI并行編程的譜聚類算法

　　譜聚類算法由于其可識(shí)別非凸數(shù)據(jù)分布、可有效避免局部最優(yōu)解、不受數(shù)據(jù)點(diǎn)維數(shù)限制等優(yōu)點(diǎn)，在許多領(lǐng)域得到廣泛應(yīng)用。然而，隨著數(shù)據(jù)量的增大和數(shù)據(jù)維數(shù)的增多，在保證聚類準(zhǔn)確性的前提下，盡可能降低計(jì)算時(shí)間將變得非常必要。此外，影響譜聚類算法聚類質(zhì)量的因素除數(shù)據(jù)集本身外，還與所采用的求解距離矩陣的方法、相似性矩陣的尺度參數(shù)、Laplacian矩陣形式等多種因素相關(guān)。針對(duì)以上問(wèn)題，首先對(duì)于大規(guī)模數(shù)據(jù)問(wèn)題，將MPI并行編程模型應(yīng)用于譜聚類算法；然后利用￡最近鄰方法對(duì)譜聚類算法中較大維數(shù)的Laplacian矩陣進(jìn)行近似轉(zhuǎn)化，同時(shí)用局部尺度（Local Scaling）參數(shù)對(duì)算法中的尺度參數(shù)進(jìn)行自動(dòng)調(diào)節(jié)?；谏鲜龇治觯岢隽艘环N譜聚類并行實(shí)現(xiàn)算法，即稀疏化局部尺度并行譜聚類算法SLSPSC，并在四個(gè)數(shù)據(jù)集上進(jìn)行了測(cè)試，與現(xiàn)有的并行譜聚類算法PSC在運(yùn)行時(shí)間和聚類質(zhì)量?jī)煞矫孀隽吮容^分析。實(shí)驗(yàn)結(jié)果顯示，該算法降低了求解Laplacian矩陣的總時(shí)間，同時(shí)部分?jǐn)?shù)據(jù)集聚類質(zhì)量得到較大提高。