基于MapReduce的ACO-K-means并行聚类算法

• 作者: 戴月明 李晶晶 虞倩倩
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 数据挖掘 MapReduce 蚁群优化 K-means 云计算
• 年，卷（期）: 2013,（16）
• 页码范围: 117-120,136
• 页数: 5页
• 分类号: TP301
• 字数: 3752字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1204-0243

摘要

针对K-means算法处理海量数据存在严重的内存不足，提出利用MapReduce并行化K-means，但是普通的K均值存在收敛速度慢、易陷入局部最优和对初始聚类中心的选取等局限性，因此选择了经ACO改进过的ACO-K-means聚类算法。实验结果表明，经MapReduce并行化的ACO-K-means，不仅具有良好的加速比和扩展性，其收敛性以及聚类精度均得到了改善。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戴月明	江南大学物联网工程学院	52	301	10.0	13.0
2	虞倩倩	江南大学物联网工程学院	2	51	2.0	2.0
3	李晶晶	江南大学物联网工程学院	2	37	2.0	2.0