基于改进K-means算法的海量数据分析技术研究

• 作者: 刘锋 朱二周 李欢
• 来源期刊: 微电子学与计算机
• 关键词: Map-Reduce K-means 并行挖掘
• 年，卷（期）: 2016,（5）
• 页码范围: 52-57
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文

摘要

针对海量数据难处理的难题,利用Hadoop平台下的Map-Reduce模型,实施了一种改进的对海量数据进行并行处理的K-means算法.为了解决传统的K-means算法对初始聚类中心和聚类数敏感的问题,改进算法首先对海量数据进行多次采样,找出采样数据的聚类个数;其次,利用密度法找出采样数据的聚类中心;最后,将各个样本中心点归并得到原始数据的全局初始聚类中心点.通过在Hadoop集群上部署的实验结果表明,改进后的算法相比较于传统的算法具有高效、准确、可扩展以及良好的加速比等特性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘锋	安徽大学计算机科学与技术学院	77	392	11.0	16.0
2	朱二周	安徽大学计算机科学与技术学院	19	157	7.0	12.0
3	李欢	安徽大学计算机科学与技术学院	3	10	1.0	3.0