一种MapReduce架构下基于遗传算法的K-Medoids聚类

• 作者: 宫秀军 赖向阳 韩来明
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 海量数据 K-Medoids MapReduce 遗传算法 聚类效率
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 2015全国高性能计算学术年会
• 页码范围: 23-26,58
• 页数: 5页
• 分类号: TP301.6
• 字数: 4911字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2017.03.006

摘要

由互联网时代快速发展而产生的海量数据给传统聚类方法带来了巨大挑战,如何改进聚类算法从而获取有效信息成为当前的研究热点.K-Medoids是一种常见的基于划分的聚类算法,其优点是可以有效处理孤立、噪声点,但面临着初始中心敏感、容易陷入局部最优值、处理大数据时的CPU和内存瓶颈等问题.为解决上述问题,提出了一种MapReduce架构下基于遗传算法的K-Medoids聚类.利用遗传算法的种群进化特点改进K-Medoids算法的初始中心敏感的问题,在此基础上,利用MapReduce并行遗传K-Medoids算法提高算法效率.通过带标签的数据集进行实验的结果表明,运行在Hadoop集群上的基于MapReduce和遗传算法的K-Medoids算法能有效提高聚类的质量和效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宫秀军		5	34	3.0	5.0
2	赖向阳	天津大学计算机科学与技术学院	1	22	1.0	1.0
3	韩来明	天津大学计算机科学与技术学院	1	22	1.0	1.0