改进K-means的空间聚类算法  

Improved K-means clustering algorithm on space

作　　者：赵伟[1] 张姝[2] 李文辉[1] 

机构地区：[1]吉林大学计算机科学与技术学院,长春130012 [2]长春工业大学计算机科学与工程学院,长春130012

出　　处：《计算机应用研究》2008年第7期1995-1997,共3页Application Research of Computers

基　　金：国家自然科学基金资助项目(60573182);教育部博士点基金资助项目(20060183042);吉林省科技发展计划资助项目(20060527,20040531)

摘　　要：提出了基于K-means的四叉树与R-link树的混合结构树,提高了R-link树的查询性能,在K-means中采用均值—标准差确定初始聚类中心,提高了收敛速度,通过距离准则函数来优化K值,避免K值的盲目选取。与R-link相比空间开销代价有时略大,但换取了更高的性能,且数据量越多,此种结构的整体性能越好,适合于海量数据。This paper presented a quick speed spatial indexing structure which was based on R-link tree, And it used K- means algorithm in the structure. In K-means algorithm, adopted value-standard deviation to ascertain the initial clustering centres to improve convergence speed and ascertain ultimate K value by distance criterion .function to make K value most suitable. The structure sometimes consumes more storage than R-link but gains better performance. Furthermore, data quantity more, this kind of structure overall performance is better.

关 键 词：空间数据库 R-link树 四叉树 空间聚类 空间索引 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]