SOA架構(gòu)下分布式聚類算法的研究與設(shè)計.pdf

1、隨著信息技術(shù)的快速發(fā)展，人們可以通過網(wǎng)絡(luò)等方式便捷地獲取大量信息。但是，隨著信息的大規(guī)?；蛷?fù)雜化，人們提取有價值信息的途徑越來越困難。數(shù)據(jù)挖掘?yàn)槿藗儚暮Ａ啃畔⒅刑崛摬赜杏玫男畔⑻峁┝朔奖愕氖侄?。聚類作為?shù)據(jù)挖掘的基本方法廣泛地應(yīng)用于數(shù)據(jù)分析、模式識別、圖像處理等領(lǐng)域。 隨著存儲技術(shù)的迅猛發(fā)展，現(xiàn)如今大規(guī)模數(shù)據(jù)都以分布式的形式存放。對大規(guī)模分布式數(shù)據(jù)進(jìn)行聚類分析都采用分布式聚類方法。SOA是一種面向服務(wù)的體系架構(gòu)，它為分布式聚

2、類提供了一種新的架構(gòu)。SOA架構(gòu)下的分布式聚類算法能夠高效地實(shí)現(xiàn)分布式數(shù)據(jù)的聚類分析。分布式環(huán)境下的聚類分析方法是當(dāng)今聚類分析領(lǐng)域研究的熱門課題。因此，本文致力于這一課題，以分布式數(shù)據(jù)集為研究對象，采用SOA方法，實(shí)現(xiàn)分布式聚類分析的過程。本文的主要研究內(nèi)容包括以下幾個方面： （1）本文介紹了SOA架構(gòu)下分布式聚類算法的研究背景、國內(nèi)外研究現(xiàn)狀、研究的目的和意義。同時分別從SOA架構(gòu)和分布式數(shù)據(jù)挖掘這兩個方面闡述了本課題研究的技

3、術(shù)基礎(chǔ)。 （2）本文以DBDC算法為對象，研究了分布式聚類算法的具體過程，包括局部挖掘和全局挖掘。其中，局部挖掘?yàn)檎麄€算法的基礎(chǔ)，它執(zhí)行結(jié)果的質(zhì)量好壞直接影響到最終的分布式聚類結(jié)果。局部挖掘主要包括局部DBSCAN聚類、代表點(diǎn)選擇和局部調(diào)整三個過程。SDBDC算法是DBDC的改進(jìn)擴(kuò)展算法，它針對DBDC的缺陷，對局部挖掘和全局挖掘都做了改進(jìn)。但是，SDBDC在執(zhí)行效率上也存在不足，因此，本文結(jié)合SDBDC算法和DBDC算法的優(yōu)點(diǎn)

4、，改進(jìn)了DBDC局部挖掘的代表點(diǎn)選擇過程，以達(dá)到在保證DBDC聚類質(zhì)量的情況下提高DBDC聚類效率的目的。 （3）為了實(shí)現(xiàn)聚類算法的分布式執(zhí)行，本文結(jié)合SOA架構(gòu)和Web Services技術(shù)，將分布式聚類算法設(shè)計成Web服務(wù)的形式，提出了SOA的分布式聚類算法Web服務(wù)模型。該服務(wù)模型主要包括兩組Web服務(wù)：局部挖掘服務(wù)和全局挖掘服務(wù)。局部挖掘服務(wù)又包括局部DBSCAN聚類服務(wù)、代表點(diǎn)選擇服務(wù)和局部調(diào)整服務(wù)；全局挖掘服務(wù)主要包

5、含全局DBSCAN聚類服務(wù)。 （4）針對SOA的分布式聚類Web服務(wù)模型，本課題首先利用Weka實(shí)現(xiàn)分布式聚類算法，然后用Axis將其發(fā)布成服務(wù)，最后在Triana環(huán)境下將分布式聚類Web服務(wù)組合成工作流的形式，實(shí)現(xiàn)了分布式聚類分析的過程。 本文研究工作的特點(diǎn)在于： ①結(jié)合DBDC和SDBDC算法的優(yōu)點(diǎn)，改進(jìn)了DBDC局部挖掘的代表點(diǎn)選擇過程，提出了一種改進(jìn)的DBDC算法。 ②將SOA架構(gòu)與分布式聚類算法