基于社区极大类发现的大数据并行聚类算法

• 作者: 曹阳 钱晓东
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 大数据 聚类 复杂网络 局部关键节点 核心类别 极大团 适应度 并行算法
• 年，卷（期）: 2016,（1）
• 页码范围: 117-123
• 页数: 7页
• 分类号: TP391
• 字数: 5869字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2016.40.01.019

摘要

为了能在大数据中准确快速地寻找到网络结构,该文提出一种基于社区极大类的大数据聚类算法. 对于初始节点不确定和适应度函数计算所带来的时间消耗,引入局部关键节点和对适应度公式进行改进来减少时间消耗. 对于初始社区的形成,引入了极大团的概念并通过分析极大团的特性,得出社区的核心类别是由极大团构成,同时提出通过极大团的发现来得到局部核心类别的方法并提出了极大团发现算法的并行策略,然后提出整个算法的并行策略并在真实数据集上实验. 实验结果证明该文提出的算法是可行和有效的,适用于大规模数据的网络结构发现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱晓东	兰州交通大学自动化与电气工程学院	40	178	7.0	11.0
2	曹阳	兰州交通大学自动化与电气工程学院	2	11	2.0	2.0