自适应布谷鸟搜索的并行K-means聚类算法

• 作者: 余相君 王波
• 来源期刊: 计算机应用研究
• 关键词: 聚类 K-均值算法 布谷乌搜索算法 Hadoop MapReduce
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 675-679
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.03.008

摘要

针对K-means聚类算法受初始类中心影响,聚类结果容易陷入局部最优导致聚类准确率较低的问题,提出了一种基于自适应布谷鸟搜索的K-means聚类改进算法,并利用MapReduce编程模型实现了改进算法的并行化.通过搭建的Hadoop分布式计算平台对不同样本数据集分别进行10次准确性实验和效率实验,结果表明:a)聚类的平均准确率在实验所采用的四种UCI标准数据集上,相比原始K-means聚类算法和基于粒子群优化算法改进的K-means聚类算法都有所提高;b)聚类的平均运行效率在实验所采用的五种大小递增的随机数据集上,当数据量较大时,显著优于原始K-means串行算法,稍好于粒子群优化算法改进的并行K-means聚类算法.可以得出结论,在大数据情景下,应用该算法的聚类效果较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王波	重庆大学计算机学院	86	951	17.0	27.0
2	余相君	重庆大学计算机学院	1	11	1.0	1.0