云环境下的高效K-Medoids并行算法

• 作者: 刘阳 孙玉强 晁亚 李媛媛
• 来源期刊: 计算机测量与控制
• 关键词: 云环境 K-Medoids聚类 Canopy算法 最大最小原则 MapReduce
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 设计与应用
• 页码范围: 139-142,146
• 页数: 5页
• 分类号: TP311
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2016.12.040

摘要

传统聚类算法K-Medoids对初始点的选择具有随机性,容易产生局部最优解;替换聚类中心时采用的全局顺序替换策略降低了算法的执行效率;同时难以适应海量数据的运算;针对上述问题,提出了一种云环境下的改进K-Medoids算法,该改进算法结合密度法和最大最小原则得到优化的聚类中心,并在Canopy区域内对中心点进行替换,再采用优化的准则函数,最后利用顺序组合Ma-pReduce编程模型的思想实现了算法的并行化扩展;实验结果表明,该改进算法与传统算法相比对初始中心的依赖降低,提高了聚类的准确性,减少了聚类的迭代次数,降低了聚类的时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙玉强	常州大学信息科学与工程学院	19	65	5.0	7.0
2	刘阳		4	0	0.0	0.0
3	晁亚	常州大学信息科学与工程学院	3	2	1.0	1.0
4	李媛媛	常州大学信息科学与工程学院	3	7	1.0	2.0