基于MapReduce的并行MRACO-PAM聚类算法

摘要：

聚类分析是数据处理算法中常用的方法,PAM算法自提出以来便成为了最常使用的聚类算法之一.虽然传统PAM算法解决了K-Means算法在聚类过程中对脏数据敏感的问题,但是传统PAM算法存在收敛速度慢、处理大数据集效率不高等问题.针对这些问题,利用蚁群搜索机制来增强PAM算法的全局搜索能力和局部探索能力,并基于MapReduce并行编程框架提出MRACO-PAM算法来实现并行化计算,并进行实验.实验结果表明,基于MapReduce框架的并行MRACO-PAM聚类算法的收敛速度得到了改善,具备处理大规模数据的能力,而且具有良好的可扩展性.

关键词：MapReduce、蚁群优化(ACO)、PAM、大数据、并行计算

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省自然科学基金BK20140165;国家留学基金委赞助项目201308320030

在线出版日期：2018-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1801-1806