改进的CK-means优化及并行策略

• 作者: 汪丽娟 行艳妮 赵京霞 赵燚 赵鑫 钱育蓉
• 来源期刊: 计算机应用研究
• 关键词: 大数据 加速策略 内存计算 并行化 聚类算法
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3287-3291
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.08.0284

摘要

针对大数据背景下K-means存在选取质心导致的局部最优解、聚类速度慢的问题,提出一种Flink平台下的CK-means聚类优化及并行策略.从算法优化层面,采用Canopy算法确定聚类数目k并选取初始质心;从并行化加速层面,基于Flink平台设计了一种面向CK-means的并行加速策略,并分析不同并行度对计算耗时的影响.经实验,相较于K-means算法,CK-means算法的准确率与迭代次数间的比值更高,算法性能更优,在iris数据集中性能比提升44.79％,在wine数据集中性能比提升32.03％;同时证明了不同并行度下CK-means算法的聚类耗时呈现先下降后上升的趋势,其聚类耗时的最小值与数据集的大小相关.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱育蓉		85	510	13.0	20.0
2	赵燚		5	4	1.0	2.0
3	赵鑫		1	0	0.0	0.0
4	汪丽娟		7	1	1.0	1.0
5	行艳妮		4	0	0.0	0.0
6	赵京霞		9	10	1.0	3.0