面向数据规模可扩展的并行优化K—means算法

• 作者: 李尧坤
• 来源期刊: 现代计算机：中旬刊
• 学科: 工学
• 关键词: K—means 大规模 更新类中心 并行
• 年，卷（期）: 2015,（1）
• 页码范围: 3-5
• 页数: 3页
• 分类号: TP273

摘要

传统的K—means算法迭代过程中需要加载全部的聚类样本数据，并且更新类中心过程是非并行的。针对传统K—means算法处理数据规模小和类中心更新慢的问题，提出一种改进的K—means算法，面向解决K—means单台机器处理数据规模扩展问题，和处理器利用率低效问题。实验验证，该方法能够高效地处理大规模数据聚类。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李尧坤	四川大学计算机学院	2	0	0.0	0.0