基于MapReduce和聚类算法的交通状态识别

• 作者: 冯青平 李星毅
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 交通状态识别 K均值聚类 模糊C均值聚类 MapReduce Hadoop
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 基金项目
• 页码范围: 1-6,12
• 页数: 7页
• 分类号: TP311.13
• 字数: 4958字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2017.05.001

摘要

文中提出以云计算为基础的交通状态识别方法,将经典的聚类算法通过MapReduce编程模式并行化以后,通过Hadoop平台强大的并行任务执行效果,实时监测道路的交通状态.并且改进了K-means聚类算法与模糊C均值聚类算法,用Canopy算法产生初始聚类中心,有效解决了K均值聚类和模糊C均值聚类两种算法会随机产生初始聚类中心的盲目性缺点.然后对比分析了两种改进后的聚类算法应用于交通状态识别中,选择具有更高准确率的识别方法作为最佳选择.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李星毅	江苏大学计算机科学与通信工程学院	65	500	13.0	19.0
2	冯青平	江苏大学计算机科学与通信工程学院	2	20	2.0	2.0