基于MapReduce的DBSCAN聚类算法的并行实现

• 作者: 林阿弟 陈晓锋
• 来源期刊: 电脑知识与技术：学术交流
• 学科: 工学
• 关键词: DBSCAN MAPREDUCE 聚类算法 并行算法:数据挖掘
• 年，卷（期）: dnzsyjsxsb_2015,（4）
• 页码范围: 161-164
• 页数: 4页
• 分类号: TP391

摘要

DBSCAN是一种简单、有效的基于密度的聚类算法，用于寻找被低密度区域分离的高密度区域。DBSCAN是最经常被使用、在科学文献中被引用最多的聚类算法之一。在数据维度比较高的情况下，DBSCAN的时间复杂度为0（n2）。然而，在现实世界中，数据集的大小已经增长到超大规模。对此，一个有效率的并行的DBSCAN算法被提出，并在MapRe-duce平台下实现它。首先，对已经预处理过的数据进行划分。接下来，局部的DBSCAN算法将对每一块划分好的数据空间实现聚类。最终，利用合并算法对上一阶段的聚类结果进行合并。实验结果验证了并行算法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林阿弟	厦门大学计算机科学系	2	1	1.0	1.0
2	陈晓锋	厦门大学计算机科学系	4	3	1.0	1.0