一种基于MapReduce的改进k-means聚类算法研究

被引：5

作者：

郭晨晨

朱红康

机构：

[1] 山西师范大学数学与计算机科学学院

来源：

河北工业大学学报 | 2016年 / 45卷 / 05期

关键词：

k-means; MapReduce; 两阶段; 单通道; 并行化; 加速比;

D O I：

10.14081/j.cnki.hgdxb.2016.05.006

中图分类号：

TP311.13 [];

学科分类号：

摘要：

传统k-means算法的聚类中心需要经过多次迭代运算才能最终稳定,而MapReduce计算框架下的k-means聚类算法在处理迭代运算时效率并不理想.针对上述问题,提出一种新的基于MapReduce的k-means聚类算法.该算法对传统k-means算法进行了改进,通过将k-means聚类问题转化为Map和Reduce两阶段的k-means++算法聚类问题,并将权值概念和单通道技术引入到传统k-means++算法中,提升了算法在MapReduce框架中的执行效率.实验分析表明,该方法较之传统方法具有更好的加速比和可扩展性.

引用

页码：35 / 43

页数：9

共 2 条

[1]

High performance parallel k\documentclass[12pt]{minimal} \usepackage{amsmath} \usepackage{wasysym} \usepackage{amsfonts} \usepackage{amssymb} \usepackage{amsbsy} \usepackage{mathrsfs} \usepackage{upgreek} \setlength{\oddsidemargin}{-69pt} \begin{document}$$k$$\end{document}-means clustering for disk-resident datasets on multi-core CPUs [J].