DBSCAN是一种基于密度的聚类算法，通过density-reachable和density-connected关系找到任意形状的簇，并能过滤噪声。PDBSCAN是DBSCAN的并行版本，通过Hilbert曲线对图进行切分，使用R*树进行空间划分，并在多个计算节点上并行处理后再融合结果。核心思想是Directly density-reachable和density-reachable with respect to the space constraint S，用于判断簇是否可以融合。
DBSCAN是一种图的任意形状聚类的方法
在聚类的同时，希望剔除噪音。
其中定义图中点之间的density-reachable、density-connected等关系，定义了eps-neighborhood的概念。并定义了一个cluster应该满足的条件
一个是极大性：这个cluster必须是最大的，也就是其不是任何其他的cluster子集
另一个是连通性：一个cluster中的元素之间都是density-connected。
其他的不属于任何一个cluster的点则认为是噪音。
算法采用随机选择起始点，然后进行广度搜索扩展cluster来实现。
PDBSCAN是DBSCAN的并行算法（PARALLEL CLUSTERING ALGORITHM）。
总体过程是：首先，对图进行一个切分的操作，之后再将各个子图送入各个计算机分别处理，再对结果进行整合。
1.图的切分
采用Hilbert curve来辅助进行图的切分工作。
图为1-order ，2-order，3-order hilbert curve在2D空间中的形状，将点按位置分配到空间中的各个hilbert curve中的点上。由于hilbert curve中相邻的index位置相邻，再将index分成与计算机数量等同个数的块，之后再分配到各个计算机中。此种划分方法保证相邻的点存储在同一台机器中。
（其中的data page不是很理解，还有R*tree的作用）
2.各个计算机分别使用DBSCAN对子图进行处理
最低0.47元/天 解锁文章
扫一扫
2818
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
