DBSCAN算法參數(shù)自適應(yīng)研究及其在Spark平臺上的應(yīng)用.pdf_第1頁
已閱讀1頁,還剩58頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

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(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、近年來,云計算的興起推動了大數(shù)據(jù)集平臺的發(fā)展。數(shù)據(jù)處理的核心是數(shù)據(jù)挖掘與知識發(fā)現(xiàn),Spark作為一個大數(shù)據(jù)處理平臺,通過引入RDD模型提高了數(shù)據(jù)處理速度,迎合了企業(yè)、學(xué)者數(shù)據(jù)處理的需求。聚類算法是數(shù)據(jù)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(shù)據(jù)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?yún)?shù)較為敏感,不能實現(xiàn)參數(shù)自適應(yīng),尤其對非均勻數(shù)據(jù)集聚類,全局參數(shù)嚴(yán)重影響聚類的效果,并且其計算復(fù)雜

2、度高,處理海量數(shù)據(jù)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(shù)據(jù)集和對參數(shù)敏感的問題,本文提出的一種基于劃分的DBSCAN改進(jìn)算法,通過計算獲得數(shù)據(jù)集的KNN矩陣,根據(jù)KNN矩陣中的信息得到密度跳變閾值,并以此將數(shù)據(jù)集劃分為不同密度的數(shù)據(jù)集。根據(jù)聚類效果指數(shù)的值自動確定閾值MinPts,并估計每個數(shù)據(jù)集合的鄰域半徑,最后在劃分的每個數(shù)據(jù)集合上使用MinPts和相應(yīng)的Eps進(jìn)

3、行動態(tài)鄰域的局部聚類,并將得到的結(jié)果合并。實驗表明改進(jìn)算法PDBSCAN對自適應(yīng)和處理密度分布不均勻數(shù)據(jù)集的聚類效果優(yōu)于 DBSCAN算法、VDBSCAN算法和AGD-DBSCAN算法。
  (2)為了降低算法的運(yùn)行時間,減少I/O消耗,本文對改進(jìn)算法實現(xiàn)了基于Spark的運(yùn)行并行化。實驗表明,改進(jìn)算法的并行化能夠有效的減少算法的運(yùn)行時間,充分展示了Spark處理大數(shù)據(jù)的優(yōu)越性。最后對互聯(lián)網(wǎng)用戶行為數(shù)據(jù)在興趣愛好方面進(jìn)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(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(hù)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。

評論

0/150

提交評論