K-Means算法改进及基于Spark计算模型的实现

• 作者: 徐鹏程 王诚
• 来源期刊: 南京邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: K-Means Canopy算法 最小最大距离算法 Spark
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 计算机与自动控制
• 页码范围: 113-118
• 页数: 6页
• 分类号: TP391
• 字数: 4568字
• 语种: 中文
• DOI: 10.14132/j.cnki.1673-5439.2017.04.018

摘要

K-Means算法是一种基于划分的算法,具有实现简单、效率较高的特点,但存在对初始中心选取依赖性强、分类数K未必总是已知及算法频繁迭代资源开销大等缺点.为解决这些问题,通过引入Canopy算法和最小最大距离算法对原K-Means算法进行改进,并在大数据的现实背景下,采用Spark并行计算框架来实现该算法.实验结果表明:改进后的聚类算法在分类稳定性、准确性和收敛速度上都有所提升,并在处理大规模数据方面表现出较大的性能优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王诚	南京邮电大学通信与信息工程学院	34	123	6.0	9.0
2	徐鹏程	南京邮电大学通信与信息工程学院	1	11	1.0	1.0