版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、近些年來(lái),隨著計(jì)算機(jī)科學(xué)與技術(shù)的快速發(fā)展,在很多行業(yè)中產(chǎn)生了越來(lái)越多的海量數(shù)據(jù)信息。聚類(lèi)作為數(shù)據(jù)挖掘的一個(gè)非常受關(guān)注的分支學(xué)科,在這種情況下得到了長(zhǎng)足的發(fā)展,一系列經(jīng)典的聚類(lèi)算法被研究者提出,但目前能應(yīng)用于大數(shù)據(jù)聚類(lèi)的算法不多,Apache Mahout推出的聚類(lèi)算法只有5種,其中有4種基于Kmeans算法開(kāi)發(fā)的,Spark官方推出的聚類(lèi)算法目前只有Kmeans。一些效果較好的聚類(lèi)算法,它們的時(shí)間復(fù)雜度比較高,開(kāi)發(fā)出適應(yīng)大數(shù)據(jù)聚類(lèi)的難度
2、較大。傳統(tǒng)的Kmeans可以用于大數(shù)據(jù)聚類(lèi),但其迭代過(guò)程涉及到多次的HDFS文件系統(tǒng)的讀寫(xiě)操作也非常費(fèi)時(shí)。
本文通過(guò)引入聚類(lèi)特征樹(shù),獲得微簇中心點(diǎn)集,利用Maximin算法選取初始聚類(lèi)中心點(diǎn)集,提出了基于層次和劃分的BM2Kmeans算法,同時(shí)利用微簇中心進(jìn)行微簇融合,提出了基于層次和密度的BMCMCluster算法。前一種算法能夠?qū)崿F(xiàn)快速搜索到較好且穩(wěn)定的初始聚類(lèi)中心點(diǎn)集,從而實(shí)現(xiàn)高效的大數(shù)據(jù)聚類(lèi),但需要指定聚類(lèi)類(lèi)別數(shù);后一
3、種算法也能夠?qū)崿F(xiàn)快速、高效的大數(shù)據(jù)聚類(lèi),且聚類(lèi)類(lèi)別數(shù)不需指定,算法會(huì)通過(guò)微簇融合的方式形成大的聚簇,能夠發(fā)現(xiàn)任意形狀聚簇。
本文研究以油氣勘探領(lǐng)域的數(shù)據(jù)為實(shí)驗(yàn)數(shù)據(jù),對(duì)基于Hadoop平臺(tái)實(shí)現(xiàn)的兩種針對(duì)本文提出的聚類(lèi)算法通過(guò)實(shí)驗(yàn)驗(yàn)證,并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析,通過(guò)可視化的方式將這兩種聚類(lèi)算法的聚類(lèi)結(jié)果表達(dá)出來(lái)。通過(guò)實(shí)驗(yàn),可以看出基于層次和劃分的集成聚類(lèi)算法BM2Kmeans的聚類(lèi)效果要優(yōu)于傳統(tǒng)的Kmeans大數(shù)據(jù)聚類(lèi)算法,并對(duì)基于層
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 面向視覺(jué)大數(shù)據(jù)的聚類(lèi)方法的研究與應(yīng)用.pdf
- 數(shù)據(jù)挖掘中的聚類(lèi)方法及其應(yīng)用研究.pdf
- 基于SOM聚類(lèi)的數(shù)據(jù)挖掘方法及其應(yīng)用研究.pdf
- 基于復(fù)雜網(wǎng)絡(luò)的網(wǎng)絡(luò)大數(shù)據(jù)聚類(lèi)應(yīng)用研究.pdf
- 聚類(lèi)方法及其應(yīng)用研究.pdf
- 面向數(shù)據(jù)流模糊聚類(lèi)算法的應(yīng)用研究.pdf
- 不確定性數(shù)據(jù)聚類(lèi)方法及其應(yīng)用研究.pdf
- 定性數(shù)據(jù)的聚類(lèi)方法及其應(yīng)用探析.pdf
- AFS聚類(lèi)方法研究及其在模糊數(shù)據(jù)聚類(lèi)中的應(yīng)用.pdf
- 數(shù)據(jù)資源聚類(lèi)預(yù)處理及其應(yīng)用研究.pdf
- 基于模糊聚類(lèi)的大規(guī)模數(shù)據(jù)聚類(lèi)算法及其應(yīng)用研究.pdf
- 面向文本聚類(lèi)的特征選擇方法及應(yīng)用研究.pdf
- 基于大數(shù)據(jù)的聚類(lèi)算法研究及應(yīng)用.pdf
- 模糊聚類(lèi)的組合方法及其應(yīng)用研究.pdf
- 基于面板數(shù)據(jù)的聚類(lèi)方法及應(yīng)用研究.pdf
- 地理時(shí)空大數(shù)據(jù)高效聚類(lèi)方法研究.pdf
- 面向營(yíng)銷(xiāo)的ZS移動(dòng)大數(shù)據(jù)應(yīng)用研究.pdf
- 鐵路貨運(yùn)大數(shù)據(jù)平臺(tái)下基于聚類(lèi)的客戶細(xì)分應(yīng)用研究.pdf
- 面向工業(yè)4.0的紡織生產(chǎn)大數(shù)據(jù)平臺(tái)及其應(yīng)用研究
- 多關(guān)系數(shù)據(jù)聚類(lèi)算法及其應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論