陳硒

中南大學(xué)湘雅二醫(yī)院信息網(wǎng)絡(luò)中心

面向大數(shù)據(jù)處理的劃分聚類新方法

陳硒

中南大學(xué)湘雅二醫(yī)院信息網(wǎng)絡(luò)中心

在大數(shù)據(jù)處理中，在物聯(lián)網(wǎng)的研究和應(yīng)用上還存在許多的難題，而且常用的聚類方法在大數(shù)據(jù)處理上還有許多不適應(yīng)的地方。因此，需要我們提出一些新的劃分聚類的方法。我們可以利用大數(shù)據(jù)的抽樣技術(shù)，對(duì)多次進(jìn)行抽取的大規(guī)模樣本進(jìn)行聚類，然后來確定其自然簇質(zhì)心的初始位置。本文重點(diǎn)和大家分析和研究一下關(guān)于面向大數(shù)據(jù)的劃分聚類新方法的有關(guān)問題。

大數(shù)據(jù) 劃分聚類 抽樣 質(zhì)心

聚類分析是指將物理或抽象對(duì)象的集合分組為由類似對(duì)象組成的多個(gè)類的分析過程。它是一種重要的人類行為。聚類分析的目標(biāo)就是在相似的基礎(chǔ)上收集數(shù)據(jù)來分類。聚類源于很多領(lǐng)域，包括數(shù)學(xué)，計(jì)算機(jī)科學(xué)，統(tǒng)計(jì)學(xué)，生物學(xué)和經(jīng)濟(jì)學(xué)。在不同的應(yīng)用領(lǐng)域，很多聚類技術(shù)都得到了發(fā)展，這些技術(shù)方法被用作描述數(shù)據(jù)，衡量不同數(shù)據(jù)源間的相似性，以及把數(shù)據(jù)源分類到不同的簇中。

1 大數(shù)據(jù)概述

1.1 大數(shù)據(jù)的定義

大數(shù)據(jù)（big data），是指無法在一定時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。

1.2 大數(shù)據(jù)的發(fā)展趨勢(shì)

大數(shù)據(jù)離不開云處理，云處理為大數(shù)據(jù)提供了彈性可拓展的基礎(chǔ)設(shè)備，是產(chǎn)生大數(shù)據(jù)的平臺(tái)之一。自2013年開始，大數(shù)據(jù)技術(shù)已開始和云計(jì)算技術(shù)緊密結(jié)合，預(yù)計(jì)未來兩者關(guān)系將更為密切。除此之外，物聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)等新興計(jì)算形態(tài)，也將一齊助力大數(shù)據(jù)革命，讓大數(shù)據(jù)營銷發(fā)揮出更大的影響力。此外，在不久的將來數(shù)據(jù)科學(xué)將成為一門專門的學(xué)科，被越來越多的人所認(rèn)知。各大高校將設(shè)立專門的數(shù)據(jù)科學(xué)類專業(yè)，也會(huì)催生一批與之相關(guān)的新的就業(yè)崗位。與此同時(shí)，基于數(shù)據(jù)這個(gè)基礎(chǔ)平臺(tái)，也將建立起跨領(lǐng)域的數(shù)據(jù)共享平臺(tái)，之后，數(shù)據(jù)共享將擴(kuò)展到企業(yè)層面，并且成為未來產(chǎn)業(yè)的核心一環(huán)。

2 劃分聚類方法

劃分聚類是指給定一個(gè)有N個(gè)元組或者紀(jì)錄的數(shù)據(jù)集，用分裂法構(gòu)造K個(gè)分組，每一個(gè)分組就代表一個(gè)聚類，K＜N。而且這K個(gè)分組滿足下列條件：每一個(gè)分組至少包含一個(gè)數(shù)據(jù)紀(jì)錄；每一個(gè)數(shù)據(jù)紀(jì)錄屬于且僅屬于一個(gè)分組。

對(duì)于給定的K，算法首先給出一個(gè)初始的分組方法，以后通過反復(fù)迭代的方法改變分組，使得每一次改進(jìn)之后的分組方案都較前一次好，而所謂好的標(biāo)準(zhǔn)就是：同一分組中的記錄越近越好，而不同分組中的紀(jì)錄越遠(yuǎn)越好。

大部分劃分方法是基于距離的。給定要構(gòu)建的分區(qū)數(shù)k，劃分方法首先創(chuàng)建一個(gè)初始化劃分。然后，它采用一種迭代的重定位技術(shù)，通過把對(duì)象從一個(gè)組移動(dòng)到另一個(gè)組來進(jìn)行劃分。一個(gè)好的劃分的一般準(zhǔn)備是：同一個(gè)簇中的對(duì)象盡可能相互接近或相關(guān)，而不同的簇中的對(duì)象盡可能遠(yuǎn)離或不同。還有許多評(píng)判劃分質(zhì)量的其他準(zhǔn)則。傳統(tǒng)的劃分方法可以擴(kuò)展到子空間聚類，而不是搜索整個(gè)數(shù)據(jù)空間。當(dāng)存在很多屬性并且數(shù)據(jù)稀疏時(shí)，這是有用的。為了達(dá)到全局最優(yōu)，基于劃分的聚類可能需要窮舉所有可能的劃分，計(jì)算量極大。實(shí)際上，大多數(shù)應(yīng)用都采用了流行的啟發(fā)式方法，如k-均值和k-中心算法，漸近的提高聚類質(zhì)量，逼近局部最優(yōu)解。這些啟發(fā)式聚類方法很適合發(fā)現(xiàn)中小規(guī)模的數(shù)據(jù)庫中小規(guī)模的數(shù)據(jù)庫中的球狀簇。為了發(fā)現(xiàn)具有復(fù)雜形狀的簇和對(duì)超大型數(shù)據(jù)集進(jìn)行聚類，需要進(jìn)一步擴(kuò)展基于劃分的方法。

使用這個(gè)基本思想的算法有：K-MEANS算法、K-MEDOIDS算法、CLARANS算法。

3 在大數(shù)據(jù)環(huán)境下聚類分析的應(yīng)用

3.1 在商業(yè)方面的應(yīng)用

聚類分析被用來發(fā)現(xiàn)不同的客戶群，并且通過購買模式刻畫不同的客戶群的特征。聚類分析是細(xì)分市場(chǎng)的有效工具，同時(shí)也可用于研究消費(fèi)者行為，尋找新的潛在市場(chǎng)、選擇實(shí)驗(yàn)的市場(chǎng)，并作為多元分析的預(yù)處理。

3.2 在生物工程方面的應(yīng)用

聚類分析被用來動(dòng)植物分類和對(duì)基因進(jìn)行分類，獲取對(duì)種群固有結(jié)構(gòu)的認(rèn)識(shí)，增強(qiáng)人們對(duì)生物的形成、演變和進(jìn)化了解和認(rèn)知。

3.3 在地理方面的應(yīng)用

聚類能夠幫助在地球中被觀察的數(shù)據(jù)庫商趨于的相似性，合一利用其進(jìn)行天氣氣候的分析，以及地質(zhì)構(gòu)造和地殼運(yùn)動(dòng)的推演和預(yù)測(cè)。

3.4 在商業(yè)方面的應(yīng)用

聚類分析通過一個(gè)高的平均消費(fèi)來鑒定汽車保險(xiǎn)單持有者的分組，同時(shí)根據(jù)住宅類型，價(jià)值，地理位置來鑒定一個(gè)城市的房產(chǎn)分組。在電子商務(wù)中網(wǎng)站建設(shè)數(shù)據(jù)挖掘中也有很重要的應(yīng)用，通過分組聚類出具有相似瀏覽行為的客戶，并分析客戶的共同特征，可以更好的幫助電子商務(wù)的用戶了解自己的客戶，向客戶提供更合適的服務(wù)。

4 結(jié)束語

大數(shù)據(jù)的世界不只是一個(gè)單一的、巨大的計(jì)算機(jī)網(wǎng)絡(luò)，而是一個(gè)由大量活動(dòng)構(gòu)件與多元參與者元素所構(gòu)成的生態(tài)系統(tǒng)。而今，面向大數(shù)據(jù)的劃分種類的方法和系統(tǒng)的也已經(jīng)確立，接下來的發(fā)展將趨向于系統(tǒng)內(nèi)部角色的細(xì)分，也就是市場(chǎng)的細(xì)分;系統(tǒng)機(jī)制的調(diào)整，也就是商業(yè)模式的創(chuàng)新；系統(tǒng)結(jié)構(gòu)的調(diào)整，也就是競(jìng)爭環(huán)境的調(diào)整等等，從而使得數(shù)據(jù)生態(tài)系統(tǒng)復(fù)合化程度逐漸增強(qiáng)。

[1]陳寧，陳安.基于密度的增量式網(wǎng)格聚類算法[J].軟件學(xué)報(bào)，2002，13（1）：1-7

[2]劉銘，王曉龍，劉遠(yuǎn)超.一種大規(guī)模高維數(shù)據(jù)快速聚類算法[J].自動(dòng)化學(xué)報(bào)，2009，35（7）：859-866