基于MapReduce的K_means并行算法及改进

摘要：

针对传统k_means聚类算法在处理海量数据时所面临的内存不足、运算速度慢等问题，提出了一种基于MapReduce的K_means并行算法，同时为了改善k_means算法在初始值确定方面的盲目性，采用canopy算法进行改进。实验结果表明，基于MapReduce的K_means并行算法和改进后的算法均能产生良好的聚类效果，不仅提高了聚类质量，而且在处理大数据集方面，改进后的算法的还能够得到趋近于线性的加速比。

关键词：MapReduce、k-means算法、canopy算法、并行计算、聚类

在线出版日期：2015-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：188-192