基于Hadoop MapReduce和粗粒度并行遗传算法的大数据聚类方法改进

• 作者: 朱红康 郭晨晨
• 来源期刊: 黑龙江大学工程学报
• 学科: 工学
• 关键词: 大数据 聚类 MapReduce 数据挖掘 并行 粗粒度遗传算法
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 电子工程与计算机科学
• 页码范围: 87-91
• 页数: 5页
• 分类号: TP18
• 字数: 3025字
• 语种: 中文
• DOI: 10.13524/j.2095-008x.2016.03.047

摘要

为了提高并行遗传算法在大数据聚类问题中的时间效率，通过利用粗粒度遗传算法的并行化思想，提出了Hadoop平台上基于MapReduce计算框架的粗粒度遗传算法的并行化设计。该思想主要来源于大数据体量庞大的特点，聚类算法时间消耗巨大。并行是解决算力不足的一个较为有效的方法，实验结果表明，并行化的遗传算法在处理大数据聚类时相比传统的串行化处理在时间消耗方面有明显的降低。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱红康	山西师范大学数学与计算机科学学院	19	48	4.0	6.0
2	郭晨晨	山西师范大学数学与计算机科学学院	12	17	3.0	3.0