|
|
1.
基于MapReduce的K-Medoids并行算法
张雪萍 龚康莉 赵广才
计算机应用
2013, 33 (04):
1023-1025.
DOI: 10.3724/SP.J.1087.2013.01023
为了解决传统K-Medoids聚类算法在处理海量数据信息时所面临的内存容量和CPU处理速度的瓶颈问题，在深入研究K-Medoids算法的基础之上，提出了基于MapReduce编程模型的K-Medoids并行化算法思想。Map函数部分的主要任务是计算每个数据对象到簇类中心点的距离并（重新）分配其所属的聚类簇；Reduce函数部分的主要任务是根据Map部分得到的中间结果，计算出新簇类的中心点，然后作为中心点集给下一次MapReduce过程使用。实验结果表明：运行在Hadoop集群上的基于MapReduce的K-Medoids并行化算法具有较好的聚类结果和可扩展性，对于较大的数据集，该算法得到的加速比更接近于线性。
参考文献 |
相关文章 |
多维度评价
|
|
