一种基于分层抽样的大数据快速聚类算法

• 作者: 刘恩乾 张钰嘉 彭晓庆 曹付元 李顺勇
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: K-means 分层抽样 抽样时间 聚类精度 运行速度
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 算法
• 页码范围: 256-261,277
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.10.041

摘要

针对K-means算法处理大规模数据时算法迭代时间较长的问题,提出一种基于分层抽样的大数据快速聚类算法(A Large Data Fast Clustering Algorithm Based on Stratified Sampling,FCASS).提出一种分层方法,可以快速将原始数据集进行分层,使得层内数据相似度较大,层间数据相似度较小;引入抽样时间函数,并求得各层样本量的最优分配方案;用K-means算法对样本集进行聚类,得到最终结果.在4个UCI数据集以及8个人工数据集上进行实验,结果表明,FCASS算法具有较高的聚类精度,并且在大规模数据集上运行速度较快.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹付元		34	322	8.0	17.0
2	李顺勇		40	65	4.0	7.0
3	张钰嘉		5	0	0.0	0.0
4	彭晓庆		1	0	0.0	0.0
5	刘恩乾		1	0	0.0	0.0