基于布谷鸟算法的K-medoids聚类挖掘与并行优化

谭成兵，刘 源，徐 健，3

（1.亳州职业技术学院 智能工程系，安徽 亳州 236813；2.桂林医学院 信息中心，广西 桂林 541001；3.桂林电子科技大学 机电工程学院，广西 桂林 541004）

0 引言

聚类作为数据分析的常用方法，在多个行业得到了深度应用，特别是基于大数据分析时，通过对大规模数据的聚类，可以完成多种看似无关联的数据的归类，从而降低了大规模数据管理和分析的难度。基于聚类分析的应用场景非常多，在电商领域，可根据用户消费数据进行分类来制定合适的营销方案[1]；在线服务行业中，可以根据用户使用习惯实现用户聚类[2]，为不同类别用户推荐合适服务等。在基于互联网的数据分析平台中，随处可见聚类技术的影子。

当前，关于聚类挖掘的研究成果较多，主要集中在聚类算法的研究方面。余胜辉和李玲娟采用层次聚类算法来实现聚类[3]，为了提高大规模数据的聚类性能，他们应用spark平台完成并行聚类研究，节省了聚类时间；陶莹等采用K均值聚类算法实现大规模样本数据聚类[4]，并研究了不同K值情况下的聚类性能；雷涛等采用模糊聚类算法应用于图像类样本的聚类[5]，实现了从文本到图像聚类的转变，开拓了聚类算法的新应用对象。这些算法实现了不同规模和类型的数据聚类，取得了较好的聚类准确率，本文采用K-medoids聚类，通过布谷鸟算法来进行优化，提高聚类准确率；在聚类时间方面采用了多节点的并行聚类方法，提高聚类效率[6]。

1 布谷鸟算法

设鸟群共有N只布谷鸟，鸟巢被宿主发现概率为Pa，鸟群的初始位置分布为X0，计算初始适应度，选择较好的鸟巢和对应最优解集合分别为。……