賈麗麗

文獻(xiàn)[1-9]分別提出了基于核心集的模糊聚類算法、隨機(jī)抽樣的聚類算法、基于平衡樹結(jié)構(gòu)的一種增量式聚類算法、基于單元和密度的GARDENHD聚類算法、增量式的聚類算法、基于譜聚類的增量式聚類算法來處理海量數(shù)據(jù)問題，但上述聚類算法都是使用硬聚類方法，這種算法與現(xiàn)實(shí)問題不夠匹配。為克服以上缺陷，文獻(xiàn)[10]提出模糊聚類中的隸屬度表示一個(gè)數(shù)據(jù)屬于所有類的程度解決現(xiàn)實(shí)問題更符合。文獻(xiàn)[11-12]分別提出了單通模糊C均值聚類算法、在線模糊C 均值聚類算法，這兩種算法都是將整個(gè)大規(guī)模數(shù)據(jù)分塊后對每個(gè)塊處理，最后從中獲取到的信息構(gòu)成數(shù)據(jù)集的中心點(diǎn)。文獻(xiàn)[13-15]提出了有效的并行聚類算法，都是處理對象型的海量數(shù)據(jù)，也存在著通信代價(jià)高，總體效率低，算法太過簡單、聚類精度受限于原始數(shù)據(jù)的空間分布等問題。為了克服以上缺點(diǎn)，陳愛國等研究使用多個(gè)代表點(diǎn)的適用于海量數(shù)據(jù)處理的聚類算法，提出了基于多代表點(diǎn)的LS-FMMdC 模糊聚類算法應(yīng)用于海量數(shù)據(jù)問題，但LS-FMMdC 算法相對于聚類初始化具有敏感性。

綜上，國內(nèi)外學(xué)者提出了一些海量數(shù)據(jù)的分析方法，并取得了一定進(jìn)展，但已有的方法主要是采用聚類算法，然而聚類算法存在兩個(gè)缺點(diǎn)：1）對初始值選取非常敏感，會(huì)導(dǎo)致不能聚類的結(jié)果；2）容易陷入局部極值。上述兩個(gè)缺點(diǎn)導(dǎo)致基于聚類算法來分析海量數(shù)據(jù)具有一定的局限性。隨著物聯(lián)網(wǎng)、“互聯(lián)網(wǎng)+”等技術(shù)的廣泛應(yīng)用，各行業(yè)的數(shù)據(jù)規(guī)模將進(jìn)一步擴(kuò)大，數(shù)據(jù)類型也變得多樣復(fù)雜，基于聚類算法來處理海量數(shù)據(jù)問題的局限性越顯突出。因此，在已有成果基礎(chǔ)上深入開展海量數(shù)據(jù)分析方法的研究具有重要的理論價(jià)值和科學(xué)意義。

1 基于文化-聚類混合算法處理海量數(shù)據(jù)問題的算法研究

1.1 基于文化算法的K-均值聚類混合算法研究（圖1）

圖1 文化-K均值聚類混合算法框架

傳統(tǒng)的K-均值聚類算法存在兩個(gè)固有的缺點(diǎn)：1）可能會(huì)導(dǎo)致不同的聚類結(jié)果，主要是由于初始值選取的敏感性；2）該算法很容易陷入局部優(yōu)化，主要原因是該算法采用梯度下降法，搜索方向是沿著能量減少的方向進(jìn)行。這兩個(gè)缺點(diǎn)，限制了該算法的范圍。為了克服K-均值聚類算法初始化敏感性和容易陷入局部優(yōu)化兩大缺點(diǎn)，引入文化算法加以改進(jìn)，以文化算法為框架，K 均值算法為聚類模型的混合聚類算法，針對聚類問題建立文化算法的雙層空間進(jìn)化模型，設(shè)計(jì)適合于聚類問題的知識(shí)空間、群體空間、接受函數(shù)和影響函數(shù)，并使用多種知識(shí)進(jìn)行指導(dǎo)，使得該問題在求解過程中能夠利用經(jīng)驗(yàn)知識(shí)來指導(dǎo)搜索過程，對于獲得全局最優(yōu)解有較好的效果，在聚類中起到了良好的指導(dǎo)作用，從而具有較好的全局尋優(yōu)性能，能夠有效地克服K-均值算法的兩大缺點(diǎn)。適用于求解海量數(shù)據(jù)分析中的聚類問題。

1.2 基于文化算法的LS-FMMdC 新模糊聚類算法研究（圖2）

圖2 文化-LS-FMMdC新模糊聚類混合算法框架

LS-FMMdC 方法是一種新的能夠有效處理大規(guī)模數(shù)據(jù)的模糊聚類算法，該算法具有更優(yōu)越的聚類性能和參數(shù)的魯棒性，但LS-FMMdC 算法在聚類初始選取時(shí)具有敏感性，需要進(jìn)一步減少其敏感性。引入文化算法加以改進(jìn)，以文化算法為框架，LS-FMMdC新模糊聚類算法為聚類模型的混合聚類算法，設(shè)計(jì)適合于LS-FMMdC 新模糊聚類問題的知識(shí)空間、群體空間、接受函數(shù)和影響函數(shù)，提高LS-FMMdC 方法的全局優(yōu)越性，同時(shí)克服聚類初始化的敏感性。

2 基于文化—聚類混合算法處理海量數(shù)據(jù)問題的應(yīng)用研究

2.1 文化—聚類混合算法在天文臺(tái)海量數(shù)據(jù)分析中的應(yīng)用研究

文化-聚類混合算法可以在云南天文臺(tái)NVST（New Vacuum Solar Telescope）海量數(shù)據(jù)的計(jì)算與推理中，對NVST 海量數(shù)據(jù)進(jìn)行深度挖掘，提取蘊(yùn)含在異構(gòu)數(shù)據(jù)中的模式和知識(shí)，聚合各種時(shí)間、空間模式，分析模式之間的相關(guān)關(guān)系，辨識(shí)各種模式的發(fā)展和演化機(jī)制，建立“由因?qū)Ч奔啊皥?zhí)果溯因”推理模型。

2.2 文化—聚類混合算法在醫(yī)療診斷海量數(shù)據(jù)分析中的應(yīng)用研究

在醫(yī)院圖像灰度密度的研究基礎(chǔ)上，文化算法的LS-FMMdC 新模糊聚類混合算法可以提出基于圖像帶修正的密度構(gòu)造聚類算法，對現(xiàn)有圖像數(shù)據(jù)挖掘算法加以比較篩選和改進(jìn)，深入研究醫(yī)學(xué)圖像數(shù)據(jù)的核密度函數(shù)、數(shù)據(jù)分箱等，使圖像更精確。