基于Map-Reduce模型的BCkmeans并行聚类算法

• 作者: 倪建成 曹博 肖雪平
• 来源期刊: 电子技术
• 关键词: Canopy-Kmeans算法 并行优化 Map-Reduce 聚类 分布式存储
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 电子技术研发
• 页码范围: 26-30,25
• 页数: 6页
• 字数: 4276字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-0755.2016.05.008

摘要

针对传统Canopy-Kmeans算法中的随机性Canopy选取的问题,提出了一种BCKmeans并行优化算法.采用"二分法"全局确定初始CanopyCenter(Canopy中心点),避免了Canopy选取的局部最优问题;采用"初始动态迭代的最值原则"对CanopyCenter的选取进行优化,动态迭代改变区域半径T1的值;在Map-Reduce并行计算框架上扩展算法的并行性,充分利用集群的计算和存储能力,从而适应海量分布式存储数据的应用环境.以UCI数据库中的3D Road Network(North Jutland,Denmark)数据集作为聚类应用的背景,对改进后的算法进行了实验分析.实验结果表明:该算法能进一步改善聚类质量,在扩展率以及分类准确率上与随机选取Canopy策略相比都有明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖雪平		1	2	1.0	1.0
2	倪建成		1	2	1.0	1.0
3	曹博		1	2	1.0	1.0