基于密度峰值优化的Canopy-Kmeans并行算法

• 作者: 张平康 张欣 张航 李琪
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: 密度峰值 Spark Canopy-Kmeans 聚类
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 信息处理与传输
• 页码范围: 312-317
• 页数: 6页
• 分类号: TP301.6
• 字数: 4095字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2018.02.010

摘要

随着数据规模的爆炸式增长,利用K-means等聚类算法挖掘大数据的潜在价值,已成为一个当前较为重要的研究方向.将Canopy算法与K-means算法结合,可解决K个中心点的选取问题.而针对Canopy-Kmeans算法中初始中心点选取随机、算法受噪声点影响等问题,提出了一种利用密度峰值改进的M-Canopy-Kmeans算法,并采用Spark框架实现算法的并行化.实验结果表明,改进后的算法避免了Canopy中心点选取的盲目性,且有效排除了样本中的噪声点,准确性、抗噪性都有明显提高,且在Spark并行框架中具有良好的加速比和扩展性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张欣	贵州大学大数据与信息工程学院	48	197	8.0	11.0
2	张平康	贵州大学大数据与信息工程学院	9	27	3.0	4.0
3	李琪	贵州大学大数据与信息工程学院	7	18	3.0	4.0
4	张航	贵州大学大数据与信息工程学院	10	18	3.0	4.0