[论文解读] Unsupervised classification of uncertain data objects in spatial databases using computational geometry and indexing techniques

Ramachandra Rao Kurada|arXiv (Cornell University)|Dec 9, 2013

Data Management and Algorithms参考文献 16被引用 3

一句话总结

本文提出了一种基于期望距离（ED）相似性度量的无监督聚类方法，用于处理不确定空间数据。该方法采用不确定K-均值（UK-Means）算法，并结合Voronoi图进行剪枝，同时利用R*-树索引以降低计算开销，显著提升了现有方法在不确定空间数据库中的性能表现。

ABSTRACT

Unsupervised classification called clustering is a process of organizing objects into groups whose members are similar in some way. Clustering of uncertain data objects is a challenge in spatial data bases. In this paper we use Probability Density Functions (PDF) to represent these uncertain data objects, and apply Uncertain K-Means algorithm to generate the clusters. This clustering algorithm uses the Expected Distance (ED) to compute the distance between objects and cluster representatives. To further improve the performance of UK-Means we propose a novel technique called Voronoi Diagrams from Computational Geometry to prune the number of computations of ED. This technique works efficiently but results pruning overheads. In order to reduce these in pruning overhead we introduce R*-tree indexing over these uncertain data objects, so that it reduces the computational cost and pruning overheads. Our novel approach of integrating UK-Means with voronoi diagrams and R* Tree applied over uncertain data objects generates imposing outcome when compared with the accessible methods.

研究动机与目标

• 解决空间数据库中数据点具有概率性位置时的不确定数据对象聚类挑战。
• 通过减少昂贵的期望距离计算次数，提升不确定K-均值算法的效率。
• 通过集成R*-树索引，最小化Voronoi图引入的剪枝开销。
• 开发一个可扩展且高性能的聚类框架，专为不确定空间数据设计。
• 在不确定空间数据库中，实现优于现有方法的聚类准确率和执行时间。

提出的方法

• 使用概率密度函数（PDFs）表示不确定数据对象，以建模空间不确定性。
• 采用基于期望距离（ED）作为不确定对象与聚类中心之间距离度量的不确定K-均值算法。
• 应用计算几何中的Voronoi图，识别并剪除聚类过程中不必要的ED计算。
• 在不确定数据对象上引入R*-树索引，以加速空间访问并降低与剪枝相关的计算成本。
• 结合基于Voronoi图的剪枝与R*-树访问方法，优化整体聚类处理流程。
• 采用混合策略：Voronoi图指导剪枝，R*-树加速基于区域的不确定对象访问。

实验结果

研究问题

• RQ1 如何在不确定K-均值聚类中降低期望距离计算的计算成本？
• RQ2 Voronoi图在不确定空间聚类中的剪枝效率能提升到何种程度？
• RQ3 R*-树索引能否有效降低几何剪枝技术引入的开销？
• RQ4 与基线方法相比，Voronoi图与R*-树的集成在聚类性能与可扩展性方面表现如何？
• RQ5 计算几何与索引技术的结合对不确定空间数据库中无监督聚类的准确率与效率有何影响？

主要发现

• 所提方法通过基于Voronoi图的剪枝显著减少了期望距离计算次数，从而实现显著的性能提升。
• R*-树索引的集成有效缓解了Voronoi图引入的剪枝开销，实现了更快的查询处理速度。
• Voronoi图与R*-树的联合使用，构建了更具可扩展性与效率的不确定空间数据聚类框架。
• 该方法在执行时间与计算成本方面优于现有方法，同时保持了良好的聚类质量。
• 实验结果表明，与现有基线技术相比，所提方法在不确定空间聚类中生成了更具优势的结果。
• 由于优化了空间访问并减少了冗余距离计算，该方法在大规模不确定空间数据库中尤为高效。