大数据k-Means聚类挖掘优化算法

• 作者: 宋旭东 朱文辉 邱占芝
• 来源期刊: 大连交通大学学报
• 关键词: 大数据 数据挖掘 k-means算法 MapReduce模型
• 年，卷（期）: 2015,（3）
• 页码范围: 91-94
• 页数: 4页
• 字数: 2295字
• 语种: 中文

摘要

基于数据规模导致难以应对的存储量、数据规模导致传统算法失效、大数据复杂的数据关联性导致高复杂度的计算等问题,对大数据下的k-means聚类优化算法进行研究,给出了适用于大数据任务处理的MapReduce软件架构的模型机制,通过改进k-means初始聚类中心的选取,提出了一种基于Ma-pReduce模型的k-means聚类优化算法.最后将改进的算法应用于煤炭煤质的分析中,结果显示较传统算法,改进算法的效率有明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋旭东	大连交通大学软件学院	38	216	8.0	13.0
2	邱占芝	大连交通大学软件学院	48	368	9.0	18.0
3	朱文辉	大连交通大学软件学院	1	7	1.0	1.0