基于MapReduce的K-Medoids并行算法

• 作者: 张雪萍 赵广才 龚康莉
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: K-Medoids 云计算 MapReduee 并行计算 Hadoop
• 年，卷（期）: 2013,（4）
• 所属期刊栏目: 先进计算
• 页码范围: 1023-1025,1035
• 页数: 4页
• 分类号: TP18
• 字数: 3538字
• 语种: 中文
• DOI: 10.3724/SP.J.1087.2013.01023

摘要

为了解决传统K-Medoids聚类算法在处理海量数据信息时所面临的内存容量和CPU处理速度的瓶颈问题,在深入研究K-Medoids算法的基础之上,提出了基于MapReduce编程模型的K-Medoids并行化算法思想.Map函数部分的主要任务是计算每个数据对象到簇类中心点的距离并(重新)分配其所属的聚类簇；Reduce函数部分的主要任务是根据Map部分得到的中间结果,计算出新簇类的中心点,然后作为中心点集给下一次MapReduce过程使用.实验结果表明:运行在Hadoop集群上的基于MapReduce的K-Medoids并行化算法具有较好的聚类结果和可扩展性,对于较大的数据集,该算法得到的加速比更接近于线性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张雪萍	河南工业大学信息科学与工程学院	33	383	11.0	19.0
2	龚康莉	河南工业大学信息科学与工程学院	2	61	2.0	2.0
3	赵广才	河南工业大学信息科学与工程学院	2	81	2.0	2.0