软件学报

作者：朱轶凡，罗程阳，马瑞遥，陈璐，毛玉仁，高云君

单位：朱轶凡，浙江大学 计算机科学与技术学院, 浙江 杭州 31002711,罗程阳，浙江大学 计算机科学与技术学院, 浙江 杭州 31002702,马瑞遥，浙江大学 计算机科学与技术学院, 浙江 杭州 31002703,陈璐，浙江大学 计算机科学与技术学院, 浙江 杭州 31002704,毛玉仁，浙江大学 软件学院, 浙江 宁波 31504805,高云君，浙江大学 计算机科学与技术学院, 浙江 杭州 31002706

关键词：多度量空间;多度量图;基于密度的数据聚类;数据挖掘;多模态数据

基金：国家重点研发计划(2021YFC3300303); 国家自然科学基金(62025206, 61972338, 62102351); 杭州市人工智能重大科技创新项目(2022AIZD0116)

具有噪声的基于密度的数据聚类(DBSCAN)算法是数据挖掘领域中的经典方法之一, 其不仅能发现数据中潜藏的复杂关系, 还能过滤其中的数据噪声, 从而获得高质量的数据聚类. 然而, 现有的基于密度的数据聚类算法仅支持单模态(类型)数据的聚类, 难以应对多模态(类型)数据并存的应用场景. 随着信息技术的快速发展, 数据呈现多模态化的发展态势, 现实生活中的数据不再是单一的数据类型, 而是多种数据模态(类型)的组合, 如文本、图像、地理坐标、数据特征等. 因此, 现有的数据聚类方法难以对复杂的多模态数据进行有效的数据建模, 更无法进行高效的多模态数据聚类. 基于此, 提出一种基于密度的多度量空间聚类算法. 首先, 为了刻画多模态数据间的复杂关系, 利用多度量空间表征数据之间的相似性关系, 并且利用聚合多度量图索引(AMG)实现多模态数据建模. 接着, 利用差分化的相似性关系优化聚合多度量图的图结构, 并且结合最优策略优先的搜索策略进行剪枝, 以实现高效的多模态数据聚类. 最后, 在真实与合成数据集上针对多种参数设置进行实验. 实验结果验证了所提方法运行效率提升了至少1个数量级, 并具有较高的聚类精度与良好的可扩展性.

来源：2025年第2期

《软件学报》期刊编辑部

查看软件学报杂志2025年第2期