10.16208/j.issn1000-7024.2015.05.039
加速大数据聚类K-means算法的改进
为有效处理大规模数据聚类的问题,提出一种先抽样再用最大最小距离进行K-means并行化聚类的方法。基于抽样的方法避免了聚类陷入局部解中,基于最大最小距离法使得初始聚类中心趋于最优化。大量实验结果表明,无论是在单机环境还是集群环境下,该方法受初始聚类中心的影响降低,提高了聚类的准确性,减少了聚类的迭代次数,降低了聚类的时间。
K-均值算法、随机抽样、最大最小距离法、映射归约、并行化
TP311(计算技术、计算机技术)
中国科学院西部之光人才培养计划基金项目RCPT201205
2015-05-26(万方平台首次上网日期,不代表论文的发表时间)
共4页
1317-1320