面向海量数据的K-means聚类优化算法

• 作者: 冀素琴 石洪波
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 海量数据 聚类 MapReduce K-means算法 Canopy算法
• 年，卷（期）: 2014,（14）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 143-147
• 页数: 5页
• 分类号: TP391
• 字数: 4732字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1209-0094

摘要

针对集中式系统框架难以进行海量数据聚类分析的问题，提出基于MapReduce的K-means聚类优化算法。该算法运用MapReduce并行编程框架，引入Canopy聚类，优化K-means算法初始中心的选取，改进迭代过程中通信和计算模式。实验结果表明该算法能够有效地改善聚类质量，具有较高的执行效率以及优良的扩展性，适合用于海量数据的聚类分析。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	石洪波	山西财经大学信息管理学院	45	446	11.0	19.0
2	冀素琴	山西财经大学信息管理学院	13	118	6.0	10.0