基于改进人工蜂群算法与MapReduce的大数据聚类算法

• 作者: 孙倩 李超 陈昊
• 来源期刊: 计算机应用研究
• 关键词: 数据分析 聚类算法 人工蜂群算法 灰狼优化算法 云计算 分布式计算
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1707-1710,1764
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.11.0865

摘要

针对大数据聚类算法计算效率与聚类性能较低的问题,提出了一种基于改进人工蜂群算法与Map-Reduce的大数据聚类算法.将灰狼优化算法与人工蜂群算法结合,同时提高人工蜂群算法的搜索能力与开发能力,该策略能够有效地提高聚类处理的性能;采用混沌映射与反向学习作为ABC种群的初始化策略,提高搜索的解质量;将聚类算法基于Hadoop的MapReduce编程模型实现,通过最小化类内距离的平方和实现对大数据的聚类处理.实验结果表明,该算法有效地提高了大数据集的聚类质量,同时加快了聚类速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李超	湖北大学信息化建设与管理处	6	6	2.0	2.0
2	陈昊	湖北大学计算机与信息工程学院	18	152	7.0	12.0
3	孙倩	湖北大学信息化建设与管理处	8	25	2.0	5.0