基于Multi-Agent的分布式聚類技術研究.pdf

1、隨著信息技術的發(fā)展和數(shù)據(jù)的不斷積累,如何從現(xiàn)有的歷史數(shù)據(jù)中發(fā)掘?qū)τ脩粑磥頉Q策有指導性的信息是計算機科學技術面臨的挑戰(zhàn)性任務之一。聚類分析技術通過根據(jù)數(shù)據(jù)的相似性劃分為不同的類別,從而完成對未知數(shù)據(jù)的類別劃分,并被廣泛的應用于機器學習、數(shù)據(jù)挖掘、信息檢索、圖像處理等多個領域。 如何在有效的時間內(nèi)完成對海量數(shù)據(jù)的處理并給出合理的分析結(jié)果是聚類分析面臨的主要問題之一,針對這一問題本文提出了一種基于Multi-Agent的分布式學習系統(tǒng)

2、框架,使得學習過程能最大程度的整合現(xiàn)有的計算資源,從而提高了學習效率。 基于Multi-Agent框架,本文研究了K-Means算法的分布式計算策略,利用分治的策略將數(shù)據(jù)集分配給多個Agent,通過多個Agent的協(xié)作來完成聚類任務,然后對各個Agent的聚類結(jié)果進行匯總得到與串行算法一致的聚類結(jié)果。另外,在單類支持向量機的理論基礎上,本文提出了一種基于單類支持向量機的聚類算法,該算法克服了K-Means等基于劃分的方法對數(shù)據(jù)分