10.3969/j.issn.1672-9722.2020.01.023
基于MapReduce的人工蜂群算法在大数据中的应用
随着信息技术的不断进步,数据规模不断增大.聚类是一种典型的数据分析方法,尤其是对大规模数据进行聚类分析近年来备受关注.针对现有序列聚类算法在对大规模数据进行聚类时,在内存空间和计算时间方面开销较大的问题,提出了基于MapReduce的人工蜂群聚类算法,通过引入MapReduce并行编程范式,快速计算聚类中心适应度,可实现对大规模数据的高效聚类.基于仿真和真实的磁盘驱动器制造两类数据,对算法的聚类效果、可扩展性和聚类效率进行了验证.实验结果表明,与现有PK-Means算法和并行K-PSO算法相比,论文算法具有更好的聚类效果、更强的扩展性和更高的聚类效率.
大数据、MapReduce、人工蜂群、聚类、并行编程范式
48
TN911.34
国家自然科学基金项目编号:61672393
2020-05-07(万方平台首次上网日期,不代表论文的发表时间)
共7页
124-129,146