2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_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(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、數(shù)據(jù)聚類在在一些應用中已經(jīng)得到廣泛使用,如數(shù)據(jù)挖掘、文檔檢索、圖像分割、模式分類。新興的信息技術的進步,使得對超大規(guī)模的數(shù)據(jù)進行聚類成為一個挑戰(zhàn)性的任務。
  k-means算法是其中最著名的聚類算法,常用于各種各樣的問題。然而,在處理大數(shù)據(jù)時,k-means算法的性能不夠理想。MapReduce是一個最受歡迎的云計算并行框架,可有效處理大數(shù)據(jù),基于MapReduce的k-means聚類算法便成為學者們關注的一個焦點。本文基于Ma

2、pReduce提出了一種并行式 k-means聚類算法,以提高算法性能。已有的并行k-means算法計算復雜度高,存在一些缺陷。本文先列舉了一些提高性能的并列 k-means算法,然后再提出一種更為有效的k-means改進算法。通過對影響算法性能的各因素進行深入研究,進而改進k-means算法。
  距離度量可用來衡量簇的相似性。標準并行k-means使用歐幾里德距離度量,但是歐幾里得距離有時準確性不高,為了解決這個缺點,提出了距

3、離測量策略來并行k-means算法?;谀撤N策略,選擇最好的距離測量,使得傳統(tǒng)的并行k-means算法能取得更好的精度。產(chǎn)生集群的質(zhì)量嚴重依賴于初始質(zhì)心的選擇。聚類的質(zhì)量很大程度取決于初始質(zhì)心的選擇。隨機選擇初始質(zhì)心可以使我們花費很多的時間,而且得不到好的質(zhì)量,因為數(shù)據(jù)集收集時總是存在異常值,所以k-means算法對離群值非常敏感。若能刪除離群值,仔細選擇初始質(zhì)心,并行 k-means算法將獲得更好的處理時間和更好的質(zhì)量。傳統(tǒng)并行 k-

4、means在每個迭代中需計算每個數(shù)據(jù)對象和所有集群中心之間的距離,使得聚類的效率不高。本文提出了一種改進的并行k-means算法以解決上述問題,在每次迭代過程中需要一個簡單的數(shù)據(jù)結構來存儲一些信息,用于下一次迭代。改進后的方法避免了重復性地計算每個數(shù)據(jù)對象到簇中心的距離以節(jié)省運行時間。本文改進的基于MapReduce并行 k-means聚類算法通過節(jié)省運行時間改善了傳統(tǒng)算法的性能,降低了迭代次數(shù),加快了處理速度。實驗結果表明,改進的基于

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(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。

評論

0/150

提交評論