数据划分优化的并行k-means算法

• 作者: 尹建君 王乐
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 数据划分 并行聚类算法 频繁词集 k-means算法
• 年，卷（期）: 2010,（15）
• 所属期刊栏目: 数据库、信号与信息处理
• 页码范围: 127-131
• 分类号: TP311
• 字数: 6141字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2010.15.038

摘要

针对大规模文本聚类中对聚类算法执行效率的要求,提出了一个内容相关的纵向数据划分策略FTDV,并基于该策略提出了数据划分优化的并行DVP k-means算法,提高了常规并行k-means算法的并行化程度,达到了优化算法执行效率的目的.在实验中,与常规并行k-means算法和基于关键方向分解的PDDP k-means算法进行比较,DVP k-means具有更好的并行性和对数据规模的适应性,且可以生成更高质量的聚簇.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王乐	国防科技大学计算机学院	2	26	2.0	2.0
2	尹建君	成都医学院人文信息管理学院	2	17	1.0	2.0