10.16526/j.cnki.11-4762/tp.2016.01.070
ABC_Kmeans聚类算法的MapReduce并行化研究
随着数据的海量增长,数据聚类算法的研究面临着海量数据挖掘和处理的挑战;针对K-means聚类算法对初始聚类中心的依赖性太强、全局搜索能力也差等缺点,将一种改进的人工蜂群算法与K-means算法相结合,提出了ABC Kmeans聚类算法,以提高聚类的性能;为了提高聚类算法处理海量数据的能力,采用MapReduce模型对ABC_Kmeans进行并行化处理,分别设计了Map、Combine和Reduce函数;通过在多个海量数据集上进行实验,表明ABC_ Kmeans算法的并行化设计具有良好的加速比和扩展性,适用于当今海量数据的挖掘和处理.
K-means、聚类、人工蜂群、MapReduce
24
TP312(计算技术、计算机技术)
四川省教育厅一般项目15ZB0318;四川文理学院一般项目2014Z012Y;四川文理学院智能计算与物联网工程技术中心资助
2016-03-04(万方平台首次上网日期,不代表论文的发表时间)
共4页
252-254,258