基于云計算平臺Hadoop的聚類研究.pdf_第1頁
已閱讀1頁,還剩62頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著互聯(lián)網(wǎng)的蓬勃發(fā)展,數(shù)據(jù)的規(guī)模不斷擴大,從KB量級發(fā)展到TB甚至PB量級。如何從海量的數(shù)據(jù)中快速有效地挖掘出對用戶有用的知識,是數(shù)據(jù)挖掘所面臨的一個新的挑戰(zhàn)。Hadoop是一個開源的云計算平臺,可以實現(xiàn)海量數(shù)據(jù)的高效存儲和分析。聚類分析是數(shù)據(jù)挖掘的重要分支,基于Hadoop平臺的聚類研究是一個新的熱點。
  論文研究了云計算技術和聚類分析技術,著重研究了基于Hadoop平臺的聚類方法。主要內容包括:
  (1)研究云計算技

2、術。重點對 Hadoop平臺的分布式文件系統(tǒng)(HDFS)和編程模型(MapReduce)的核心架構、技術以及相關的機制進行深入研究和分析,為算法設計和實現(xiàn)奠定堅實基礎。
  (2)研究聚類分析技術。重點研究了聚類算法的基本流程、設計要求和評估標準,剖析了基于層次、基于劃分、基于密度以及面向高維數(shù)據(jù)的聚類算法思想,分析了基于云計算平臺聚類分析技術的研究現(xiàn)狀。
  (3)針對現(xiàn)有很多聚類算法不能有效遷移到云計算平臺的問題,提出一

3、種能在Hadoop平臺實現(xiàn)高效并行化的聚類算法bigKClustering。算法借鑒微簇的思想,將數(shù)據(jù)劃分后得到的每個分組抽象成一個特征向量,并將它當做一個虛擬點處理,可以保證比較緊湊的點始終屬于同一個簇,提高聚類質量。算法在聚類過程中只對原始數(shù)據(jù)進行一次劃分,避免了很多傳統(tǒng)聚類算法迭代操作原始數(shù)據(jù)集的做法,僅需少數(shù)幾個job就能在MapReduce框架上完成并行化操作。實驗結果表明,bigKClustering算法不僅具有良好的時間效

4、率和聚類效果,同時具有良好的可伸縮性和時間穩(wěn)定性。
  (4)針對 MapReduce在執(zhí)行算法過程中產生大量中間值的問題,提出SnIClustering聚類算法。算法借鑒采樣和過濾的思想,盡量減少最終聚類過程所涉及到的數(shù)據(jù)量。首先,使用概率采樣的方式從原始數(shù)據(jù)集中抽取極少量具有全局代表性的樣本;然后,根據(jù)這些樣本的分布特征對原始數(shù)據(jù)集進行有效過濾;最后,在單個節(jié)點上對過濾后保留下來的數(shù)據(jù)和樣本進行聚類。實驗結果表明,SnIClu

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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。

評論

0/150

提交評論