你好,游客 登录 注册 发布搜索
背景:
阅读新闻

基于Hadoop的K-Medoids聚类算法实现与优化

[日期:2014-10-26] 来源:CNKI  作者:蒋耀斌 [字体: ]

基于Hadoop的K-Medoids聚类算法实现与优化

华东师范大学 蒋耀斌

本文结合K-Medoids算法的特点与Hadoop平台的优势,借鉴Mahout开源项目中已经实现的并行K-Means聚类算法的实现方案,提出了一种基于MapReduce的并行聚类算法HK-Medoids,大幅提升传统聚类算法的运算速率。另外,为了进一步提高聚类效率,本文从完善MapReduce调度、采取抽样方法、预设聚类初值中心点和优化数据源等方面对HK-Medoids作了进一步的优化。为了验证HK-Medoids算法及其优化的有效性,我们做了大量的实验,比较和分析了算法的优化率和加速比等指标,从而验证了HK-Medoids算法的的有效性。


基于Hadoop的K-Medoids聚类算法实现与优化

收藏 推荐 打印 | 录入:574107552 | 阅读:
相关新闻       K-Medoids; Hadoop; HBase 
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款