基于密度的分布式聚类方法
大小：2.17 MB 人气： 2017-12-25 需要积分：1
聚类是数据挖掘领域中的一种重要的数据分析方法．它根据数据间的相似度，将无标注数据划分为若干聚簇.CSDP是一种基于密度的聚类算法，当数据量较大或数据维数较高时，聚类的效率相对较低．为了提高聚类算法的效率，提出了一种基于密度的分布式聚类方法MRCSDP，利用MapReduce框架对实验数据进行聚类．该方法定义了独立计算单元和独立计算块的概念，首先，将数据拆分为若干数据块，构建独立计算单元和独立计算块，在集群中分配独立计算块的任务：然后进行分布式计算，得到数据块的局部密度，将局部密度合并得到全局密度，根据全局密度计算中心值，由全局密度和中心值得到每个数据块中候选聚簇中心：最后，从候选聚簇中心选举出最终的聚簇中心.MRCSDP在充分降低时间复杂度的基础上得到较好的聚类效果．实验结果表明，分布式环境下的聚类方法MRCSDP相对于CSDP更能快速、有效地处理大规模数据。并使各节点负载均衡．
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%