新的pCluster方法-pCluster plus 與 incremental pCluster

Abstract

分群是一種將相似的物件或是屬性分類 到同一群的過程，傳統的分群技術大都採用計 算物件與物件之間的”相似度”來進行分群，而 相似度的計算多以物件間的距離為基礎，例如: 歐幾里得距離等等。Haixun Wang 等人在[5] 提出了一個新的分群模型”pCluster”，有別以 往的分群法，兩個物件之間是否相似，取決於 它們維度中的子集是否有相同起伏的區塊。如 何在大量資料中準確、有效率的找出這樣的 群，便成了一個很有趣的問題。在本篇論文 中，提出一個新的演算法:pCluster+，使得處 理pCluster 的問題更為快速，同時也提出解決 資料量新增(Incremental)問題的方法。經過我 們實驗証明，本篇論文所提出的方法都要比原 來的pCluster 方法快上好幾倍。