面向大数据处理的并行优化抽样聚类K-means算法

• 作者: 周润物 李仁发 李智勇 陈京 陈少淼
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 大数据 K-均值 概率抽样 欧氏距离 聚类精度
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 第三届CCF大数据学术会议(CCF BigData 2015)
• 页码范围: 311-315,329
• 页数: 6页
• 分类号: TP391
• 字数: 5989字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2016.02.0311

摘要

针对大数据环境下K-means聚类算法聚类精度不足和收敛速度慢的问题,提出一种基于优化抽样聚类的K-means算法(OSCK).首先,该算法从海量数据中概率抽样多个样本;其次,基于最佳聚类中心的欧氏距离相似性原理,建模评估样本聚类结果并去除抽样聚类结果的次优解;最后,加权整合评估得到的聚类结果得到最终k个聚类中心,并将这k个聚类中心作为大数据集聚类中心.理论分析和实验结果表明,OSCK面向海量数据分析相对于对比算法具有更好的聚类精度,并且具有很强的稳健性和可扩展性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李仁发	湖南大学信息科学与工程学院	468	4582	30.0	44.0
2	李智勇	湖南大学信息科学与工程学院	43	493	14.0	20.0
3	陈少淼	湖南大学信息科学与工程学院	5	160	5.0	5.0
4	周润物	湖南大学信息科学与工程学院	1	51	1.0	1.0
5	陈京	湖南大学信息科学与工程学院	1	51	1.0	1.0