10.3969/j.issn.1001-0548.2017.01.010
一种K-means改进算法的并行化实现与应用
随着数据的爆炸式增长,聚类研究作为大数据的核心问题之一,正面临计算复杂度高和计算能力不足等诸多问题。提出了一种基于Hadoop的分布式改进K-means算法,该算法通过引入Canopy算法初始化K-means算法的聚类中心,克服传统K-means算法因初始中心点的不确定性,易陷入局部最优解的问题。本算法在Canopy(罩盖)中完成K-means聚类,并在Canopy间完成簇的合并,聚类效果稳定,迭代次数少。同时,结合MapReduce分布式计算模型,给出改进后算法的并行化设计方法和策略,进一步通过改进相似度度量方法,将该方法用于文本聚类中。实验结果证明该算法具有良好的准确率和扩展性。
canopy算法、Hadoop、MapReduce、并行K-means、文本聚类
46
TP311(计算技术、计算机技术)
国家科技支撑计划2012BAH87F03;中央高校基本科研业务费ZYGX2014J065
2017-03-07(万方平台首次上网日期,不代表论文的发表时间)
共8页
61-68