基于相似度矩阵的K-Means算法的MapReduce并行化实现

• 作者: 刘鸿霞 曹奇敏
• 来源期刊: 电脑知识与技术：学术交流
• 学科: 工学
• 关键词: K-MEANS算法 相似度矩阵 MAPREDUCE模型 并行计算 文本挖掘
• 年，卷（期）: 2017,（6X）
• 页码范围: 18-20
• 页数: 3页
• 分类号: TP391.1

摘要

为了提高基于相似度矩阵的K-Means算法(SMK-means)处理大数据的能力,它使用MapReduce分布式编程模型,并结合SMK-means算法自身的特点,设计出了SMK-means算法基于MapReduce的并行化实现。通过设计Map和Reduce函数实现了SMK-means算法的并行化。Map函数通过计算样本和聚簇中心的相似度来确定样本的聚簇归属,Reduce函数用于完成聚簇中心的计算。实验结果证明,基于MapReduce的并行化的SMK-means算法在保证文本挖掘性能不降的前提下,使得运行效率得到了大幅度提升。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘鸿霞	中国政法大学图书馆	8	6	1.0	2.0
2	曹奇敏	中国政法大学图书馆	1	0	0.0	0.0