基于抽样和最大最小距离法的并行K-means聚类算法

• 作者: 刘燕
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: MapReduce模型 K-means算法 抽样 最大最小距离法
• 年，卷（期）: 2018,（6）
• 页码范围: 37-39,43
• 页数: 4页
• 分类号: TP312
• 字数: 3077字
• 语种: 中文

摘要

随着网络技术的发展和社会信息化进程的加快,数据规模迅速增长,传统的聚类算法很难满足海量数据的分析处理需求.针对目前K-means聚类算法处理海量数据时存在聚类效果不稳定、准确率不高等问题,本文基于MapReduce模型,采用抽样技术和最大最小距离法,在此基础上提出一种高效的并行K-means聚类算法.选用UCI数据集进行实验,结果表明该算法的收敛速度、聚类精度,以及在处理海量数据时的并行性能都得到了提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘燕	山西大学商务学院	31	99	4.0	9.0