DBSCAN算法參數自適應研究及其在Spark平臺上的應用.pdf_第1頁
已閱讀1頁,還剩58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、近年來,云計算的興起推動了大數據集平臺的發(fā)展。數據處理的核心是數據挖掘與知識發(fā)現,Spark作為一個大數據處理平臺,通過引入RDD模型提高了數據處理速度,迎合了企業(yè)、學者數據處理的需求。聚類算法是數據挖掘一個重要組成部分,作為該類算法的典型代表,DBSCAN算法能夠從有噪聲的數據集中識別出任意形狀的簇,具有很好的聚類效果。但是該算法對輸入參數較為敏感,不能實現參數自適應,尤其對非均勻數據集聚類,全局參數嚴重影響聚類的效果,并且其計算復雜

2、度高,處理海量數據效率低下。本文針對這些問題提出了解決方法,主要工作有以下幾個方面:
 ?。?)針對不能有效處理非均勻數據集和對參數敏感的問題,本文提出的一種基于劃分的DBSCAN改進算法,通過計算獲得數據集的KNN矩陣,根據KNN矩陣中的信息得到密度跳變閾值,并以此將數據集劃分為不同密度的數據集。根據聚類效果指數的值自動確定閾值MinPts,并估計每個數據集合的鄰域半徑,最后在劃分的每個數據集合上使用MinPts和相應的Eps進

3、行動態(tài)鄰域的局部聚類,并將得到的結果合并。實驗表明改進算法PDBSCAN對自適應和處理密度分布不均勻數據集的聚類效果優(yōu)于 DBSCAN算法、VDBSCAN算法和AGD-DBSCAN算法。
 ?。?)為了降低算法的運行時間,減少I/O消耗,本文對改進算法實現了基于Spark的運行并行化。實驗表明,改進算法的并行化能夠有效的減少算法的運行時間,充分展示了Spark處理大數據的優(yōu)越性。最后對互聯網用戶行為數據在興趣愛好方面進行挖掘,為個

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