[发明专利]一种基于最小生成树的海量数据聚类处理方法

权利要求书

1.一种基于最小生成树的海量数据聚类处理方法，其特征在于该方法包括以下步骤：

(1)将待处理海量数据U转化为节点矩阵A；

设定待处理海量数据U中的任意两个数据之间的距离为dist(·,·)，将该距离dist(·,·)作为矩阵A的赋值，与节点矩阵A相对应的是一个全连通图，全连通图的边权重为dist(·,·)，并将该距离dist(·,·)作为任意两个数据之间的边权重，设待处理海量数据的数目为m，则节点矩阵A如下式所示：

(2)利用普利姆方法对节点矩阵A进行处理，得到一个最小边权重节点稀疏矩阵A_m：

A_m＝L_m+U_m

与上述节点稀疏矩阵A_m相对应的是一个最小生成树，其中L_m为A_m的下半部分，U_m为A_m的上半部分；

(3)分别统计上述步骤(2)中的矩阵L_m的第i行和第i列中与最小生成树中的节点i相连的边的数量D(U)，并将该数量D(U)记为节点矩阵A中相应节点的度；

(4)根据上述数量D(U)，利用下式，计算与D(U)大于2的节点相连的边的权重差异度量θ：

θ(U(i))=max(dist(i,j)2dist(i,k)2),1≤j,k≤D(U(i))]]>

其中，j和k分别为步骤(2)的最小生成树中与节点i相连的节点；

(5)设定一个海量数据聚类处理的聚类值n，根据上述权重差异度量θ的大小，对相应节点进行排序，得到一个节点序列，将节点序列的前n-1个节点中边权重最大的边从上述步骤(2)的最小生成树中删除，得到n个互不相连的树，每个树中的节点构成一个数据聚类，共得到n个数据聚类，即完成基于最小生成树的海量数据聚类处理。