基于MapReduce的并行MRACO-PAM聚类算法

• 作者: 徐华 赵宝文
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: MapReduce 蚁群优化(ACO) PAM 大数据 并行计算
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 高性能计算
• 页码范围: 1801-1806
• 页数: 6页
• 分类号: TP391
• 字数: 5573字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2017.10.004

摘要

聚类分析是数据处理算法中常用的方法,PAM算法自提出以来便成为了最常使用的聚类算法之一.虽然传统PAM算法解决了K-Means算法在聚类过程中对脏数据敏感的问题,但是传统PAM算法存在收敛速度慢、处理大数据集效率不高等问题.针对这些问题,利用蚁群搜索机制来增强PAM算法的全局搜索能力和局部探索能力,并基于MapReduce并行编程框架提出MRACO-PAM算法来实现并行化计算,并进行实验.实验结果表明,基于MapReduce框架的并行MRACO-PAM聚类算法的收敛速度得到了改善,具备处理大规模数据的能力,而且具有良好的可扩展性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐华	江南大学物联网工程学院	40	234	10.0	14.0
2	赵宝文	江南大学物联网工程学院	3	18	2.0	3.0