

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),請進行舉報或認領
文檔簡介
1、近些年來,隨著計算機科學與技術的快速發(fā)展,在很多行業(yè)中產(chǎn)生了越來越多的海量數(shù)據(jù)信息。聚類作為數(shù)據(jù)挖掘的一個非常受關注的分支學科,在這種情況下得到了長足的發(fā)展,一系列經(jīng)典的聚類算法被研究者提出,但目前能應用于大數(shù)據(jù)聚類的算法不多,Apache Mahout推出的聚類算法只有5種,其中有4種基于Kmeans算法開發(fā)的,Spark官方推出的聚類算法目前只有Kmeans。一些效果較好的聚類算法,它們的時間復雜度比較高,開發(fā)出適應大數(shù)據(jù)聚類的難度
2、較大。傳統(tǒng)的Kmeans可以用于大數(shù)據(jù)聚類,但其迭代過程涉及到多次的HDFS文件系統(tǒng)的讀寫操作也非常費時。
本文通過引入聚類特征樹,獲得微簇中心點集,利用Maximin算法選取初始聚類中心點集,提出了基于層次和劃分的BM2Kmeans算法,同時利用微簇中心進行微簇融合,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)定的初始聚類中心點集,從而實現(xiàn)高效的大數(shù)據(jù)聚類,但需要指定聚類類別數(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,且聚類類別數(shù)不需指定,算法會通過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域的數(shù)據(jù)為實驗數(shù)據(jù),對基于Hadoop平臺實現(xiàn)的兩種針對本文提出的聚類算法通過實驗驗證,并對實驗結(jié)果進行分析,通過可視化的方式將這兩種聚類算法的聚類結(jié)果表達出來。通過實驗,可以看出基于層次和劃分的集成聚類算法BM2Kmeans的聚類效果要優(yōu)于傳統(tǒng)的Kmeans大數(shù)據(jù)聚類算法,并對基于層
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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
- 面向視覺大數(shù)據(jù)的聚類方法的研究與應用.pdf
- 數(shù)據(jù)挖掘中的聚類方法及其應用研究.pdf
- 基于SOM聚類的數(shù)據(jù)挖掘方法及其應用研究.pdf
- 基于復雜網(wǎng)絡的網(wǎng)絡大數(shù)據(jù)聚類應用研究.pdf
- 聚類方法及其應用研究.pdf
- 面向數(shù)據(jù)流模糊聚類算法的應用研究.pdf
- 不確定性數(shù)據(jù)聚類方法及其應用研究.pdf
- 定性數(shù)據(jù)的聚類方法及其應用探析.pdf
- AFS聚類方法研究及其在模糊數(shù)據(jù)聚類中的應用.pdf
- 數(shù)據(jù)資源聚類預處理及其應用研究.pdf
- 基于模糊聚類的大規(guī)模數(shù)據(jù)聚類算法及其應用研究.pdf
- 面向文本聚類的特征選擇方法及應用研究.pdf
- 基于面板數(shù)據(jù)的聚類方法及應用研究.pdf
- 模糊聚類的組合方法及其應用研究.pdf
- 基于大數(shù)據(jù)的聚類算法研究及應用.pdf
- 地理時空大數(shù)據(jù)高效聚類方法研究.pdf
- 面向營銷的ZS移動大數(shù)據(jù)應用研究.pdf
- 面向工業(yè)4.0的紡織生產(chǎn)大數(shù)據(jù)平臺及其應用研究
- 多關系數(shù)據(jù)聚類算法及其應用研究.pdf
- 鐵路貨運大數(shù)據(jù)平臺下基于聚類的客戶細分應用研究.pdf
評論
0/150
提交評論