一種聚類算法的并行化改進(jìn)及其在微博用戶聚類中的應(yīng)用.pdf

1、聚類分析是數(shù)據(jù)挖掘中的重要技術(shù)。K均值算法是聚類分析中應(yīng)用最廣泛的算法之一,被廣泛應(yīng)用于計(jì)算機(jī)視覺、文本挖掘、客戶分析等各個(gè)領(lǐng)域。K均值算法具有簡(jiǎn)單高效的優(yōu)點(diǎn),同時(shí)也存在著對(duì)初始聚類中心敏感、聚類個(gè)數(shù)K需要人工給出等問(wèn)題。凝聚模糊K均值算法是一種K均值算法的改進(jìn)算法,該算法不易受初始點(diǎn)影響并且可以通過(guò)一種凝聚的方式自動(dòng)對(duì)聚類個(gè)數(shù)進(jìn)行搜索。但是凝聚模糊K均值算法也有迭代次數(shù)過(guò)多的缺陷。
　　該文首先針對(duì)凝聚模糊 K均值算法的缺陷提出

2、了一種改進(jìn)的凝聚模糊 K均值算法。改進(jìn)算法使用一種初始中心選擇方法替代凝聚模糊 K均值算法采用的隨機(jī)初始值選擇方法,減少了所需的迭代次數(shù)。同時(shí)改進(jìn)算法應(yīng)用基于 MapReduce框架的分布式實(shí)現(xiàn)增加了算法處理大數(shù)據(jù)的能力,并在 Hadoop及 Mahout環(huán)境下進(jìn)行了實(shí)現(xiàn)。之后對(duì)微博用戶聚類分析中的方法和問(wèn)題進(jìn)行了研究,引入了基于維基百科的微博文本主題分析方法提取用戶特征。最后應(yīng)用改進(jìn)算法對(duì)微博用戶進(jìn)行聚類并對(duì)聚類結(jié)果進(jìn)行分析。實(shí)驗(yàn)結(jié)果