A parallel algorithm for regional co-location mining based on fuzzy density peak clustering

Abstract

区域同位模式挖掘（RCPM， Regional Co-location Pattern Mining）是为了发掘某个局部区域内存在的同位（co-location）模式，以发现在全局中无法发现的信息.传统的区域挖掘大多会采用明确界限的几何体框定同位模式产生的区域.但是现实中的各类区域可能是无明确边界的.另外，数据的分布情况作为区域的重要特征之一，也应该成为区域选择的因素.基于上述思考，本文引入密度峰值聚类（DPC, Density Peak based Clustering），提出新的密度度量函数，并结合模糊集理论与k近邻距离，设计了一个行之有效的并行区域同位模式挖掘算法.实验结果表明，利用本文方法挖掘到的结果更具有现实意义，并且并行化极大地提升了挖掘算法的效率.在真实数据上，2线程下的加速比达到了1.89.