| 加速大数据聚类K-means算法的改进 |
| |
| 引用本文： | 韩岩,李晓.加速大数据聚类K-means算法的改进[J].计算机工程与设计,2015(5). |
| |
| 作者姓名： | 韩岩 李晓 |
| |
| 作者单位： | 1. 中国科学院新疆理化技术研究所，新疆 乌鲁木齐830011; 中国科学院大学 计算机与控制学院，北京100049
2. 中国科学院新疆理化技术研究所,新疆 乌鲁木齐,830011 |
| |
| 基金项目： | 中国科学院西部之光人才培养计划基金项目 |
| |
| 摘 要： | 为有效处理大规模数据聚类的问题，提出一种先抽样再用最大最小距离进行K-means并行化聚类的方法。基于抽样的方法避免了聚类陷入局部解中，基于最大最小距离法使得初始聚类中心趋于最优化。大量实验结果表明，无论是在单机环境还是集群环境下，该方法受初始聚类中心的影响降低，提高了聚类的准确性，减少了聚类的迭代次数，降低了聚类的时间。
|
| 关 键 词： | K-均值算法 随机抽样 最大最小距离法 映射归约 并行化 |
Improved accelerating large data K-means clustering algorithm |
| |
| HAN Yan,LI Xiao.Improved accelerating large data K-means clustering algorithm[J].Computer Engineering and Design,2015(5). |
| |
| Authors: | HAN Yan LI Xiao |
| |
| Abstract: | |
| |
| Keywords: | K-means algorithm random sampling max-min distance method MapReduce parallelization |
| 本文献已被 万方数据 等数据库收录！ |
