基于MapReduce框架下K-means的改进算法

• 作者: 吴运兵 张莹 朱敏琛 阴爱英
• 来源期刊: 计算机应用研究
• 关键词: MapReduce框架 K-means算法 数据挖掘 聚类分析
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2295-2298
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.08.014

摘要

针对海量数据背景下K-means聚类结果不稳定和收敛速度较慢的问题,提出了基于MapReduce框架下的K-means改进算法.首先,为了能获得K-means聚类的初始簇数,利用凝聚层次聚类法对数据集进行聚类,并用轮廓系数对聚类结果进行初步评价,将获得数据集的簇数作为K-means算法的初始簇中心进行聚类;其次,为了能适应于海量数据的聚类挖掘,将改进的K-means算法部署在MapReduce框架上进行运算.实验结果表明,在单机性能上,该方法具有较高的准确率和召回率,同时也具有较强的聚类稳定性;在集群性能上,也具有较好的加速比和运行速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱敏琛	福州大学至诚学院计算机工程系	22	95	6.0	9.0
5	张莹	福州大学至诚学院计算机工程系	26	134	7.0	10.0
9	阴爱英	福州大学至诚学院计算机工程系	11	52	4.0	7.0
10	吴运兵	福州大学数学与计算机科学学院	19	93	5.0	9.0