版權(quán)說明: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),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、聚類分析是從大量數(shù)據(jù)中獲取有效信息的重要手段,用于聚類分析的算法稱為聚類算法。k-means聚類算法具備簡單、快速、有效等諸多優(yōu)點,是使用范圍最廣泛的經(jīng)典聚類算法之一。如今,快速發(fā)展的互聯(lián)網(wǎng)產(chǎn)業(yè)導(dǎo)致了數(shù)據(jù)量的劇增,傳統(tǒng)k-means算法已無法滿足海量數(shù)據(jù)的聚類需求,因此,k-means算法MapReduce并行化以及針對并行化 k-means算法的優(yōu)化研究尤為重要。本文將探討并行化 k-means算法的實現(xiàn)方式,并以此為基礎(chǔ)采用適合海量
2、數(shù)據(jù)處理需求的算法優(yōu)化策略,目標(biāo)是降低算法時間和空間復(fù)雜度的同時獲取更優(yōu)質(zhì)的聚類結(jié)果。
本文從k-means算法優(yōu)化與并行化的研究現(xiàn)狀出發(fā),分析了目前k-means算法優(yōu)化方法主要是針對串行k-means,與此同時k-means并行化研究主要圍繞算法設(shè)計展開,由此可知現(xiàn)階段國內(nèi)外對并行化 k-means算法的優(yōu)化研究尚屬薄弱環(huán)節(jié),因此本文確立了采用時間復(fù)雜度較低的算法對并行化 k-means進行優(yōu)化的研究思路。作為鋪墊,本文介
3、紹了分布式開源框架Hadoop、編程模式MapReduce以及提供協(xié)同過濾、聚類、分類等大規(guī)模機器學(xué)習(xí)算法分布式實現(xiàn)的算法庫Mahout;然后著重研究了k-means算法原理、算法缺陷以及它在Mahout中的并行化實現(xiàn)方式;最后,采用針對并行化k-means算法優(yōu)化方法,即利用時間復(fù)雜度極低的“粗聚類”算法Canopy對并行化k-means進行優(yōu)化。
在算法性能測試階段,本文利用Mahout算法庫提供的算法驅(qū)動等接口將Cano
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 聚類K-means算法及并行化研究.pdf
- K-means聚類優(yōu)化算法的研究.pdf
- (6)K-means聚類算法.pdf
- 基于K-Means的文檔聚類算法研究.pdf
- K-means聚類算法的改進.pdf
- K-means聚類算法的改進研究.pdf
- 基于K-means聚類的RCNA識別算法.pdf
- 基于k-means聚簇的分布式并行SVM算法優(yōu)化.pdf
- 基于K-means聚類算法的負(fù)荷模型研究.pdf
- 基于K-Means聚類算法的客戶細(xì)分研究.pdf
- 基于現(xiàn)代優(yōu)化算法的K-means聚類的研究與應(yīng)用.pdf
- K-means聚類算法研究及其應(yīng)用.pdf
- 基于Spark的K-means算法的并行化實現(xiàn)與優(yōu)化.pdf
- 密度敏感的K-means聚類算法研究.pdf
- K-means算法并行實現(xiàn)與性能優(yōu)化.pdf
- 基于密度的改進K-Means文本聚類算法研究.pdf
- 基于遺傳算法的K-MEANS聚類改進研究.pdf
- 中文文本聚類中的K-means算法優(yōu)化與并行性研究.pdf
- 基于Hadoop和Mahout的K-Means算法設(shè)計與實現(xiàn).pdf
- k-means聚類算法分析應(yīng)用研究
評論
0/150
提交評論