不完整大数据的分布式聚类填充算法

摘要：

传统大数据填充算法是根据整个数据集对缺失数据进行填充，使得填充值容易受到不同类别数据的干扰，导致填充结果不精确。针对该问题，给出不完整数据的相似度度量方法，使用近邻传播( AP )算法对不完整数据进行聚类。采用云计算技术优化AP聚类算法，实现一种基于MapReduce的分布式聚类算法，根据算法聚类结果将同一类数据对象划分到相同簇中，并利用同一类对象的属性值对缺失值进行填充。实验结果表明，该算法能实现不完整大数据的聚类，同时加快聚类速度，提高缺失数据的填充精度。

关键词：不完整大数据、近邻传播聚类、云计算、数据填充、不完整信息系统

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目U1301253;中国高等职业技术教育研究会规划课题基金资助项目GZYGH1213036,GZYGH 1213035;辽宁省自然科学基金资助项目2013020014;辽宁省社会科学基金资助项目L14AGL002。

在线出版日期：2015-05-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：19-25