云平台中大数据并行聚类方法优化研究仿真

• 作者: 李晓峰
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 云平台 大数据 并行聚类
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 仿真智能化
• 页码范围: 327-330
• 页数: 4页
• 分类号: TP391
• 字数: 3026字
• 语种: 中文

摘要

对云平台中大数据进行聚类,在提高数据处理效率方面具有重要作用.大数据由于数据量大的原因,使得具有多种数据特征.传统的聚类算法主要以数据特征进行分类再聚类,当面对高维数据流或大规模数据时分类不准确,导致聚类效果差,不准确的问题.提出改进模糊C均值聚类算法的云平台中大数据并行聚类方法,分析模糊C均值聚类算法,给出并行FCM聚类算法的详细实现过程,依据计算强度进行数据划分,对FCM并行聚类方法中数据负载不均衡的问题进行优化,根据获取的强度估计函数,对不同计算单元的计算量进行预测,指导云平台中大数据的划分,实现对云平台中大数据的并行聚类.仿真结果表明,改进算法具有很好的加速比、数据伸缩率和扩展率,能够有效应用于大规模数据的处理.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李晓峰		5	12	2.0	3.0