-
题名云环境下基于群智能算法的大数据聚类挖掘技术
被引量：9
- 1
-
-
作者
刘云恒
-
机构
南京森林警察学院
-
出处
《现代电子技术》
北大核心
2019年第9期65-67,71,共4页
-
基金
江苏高校品牌专业建设工程资助项目(PPZY2015A058)
中央高校基本科研业务费专项资金项目(LGYB201701)~~
-
文摘
云计算从分布式存储和分布式计算两个方面为大数据处理提供了强力的支持,并逐渐成为大数据挖掘的主流平台。但是在处理云平台中的大规模数据集时典型聚类挖掘算法存在一定不足,因此,提出一种基于群智能算法的大数据K-means聚类挖掘算法。首先对云计算Hadoop框架的存储数据能力和采用的Map Reduce计算模型进行分析,然后采用群智能算法对传统数据挖掘K-means聚类算法进行改进,解决其容易陷入局部最优问题。实验结果表明,相比加权K-means聚类算法,提出的改进算法表现出更好的聚类精度和运行速度,可以适用于大规模数据的聚类挖掘。
-
关键词
大数据聚类挖掘
云计算模型分析
聚类分析
聚类算法设计
算法优化
聚类算法改进
-
Keywords
big data clustering mining
cloud computing model analysis
clustering analysis
clustering algorithm design
algorithm optimization
clustering algorithm improvement
-
分类号
TN911.1-34
[电子电信—通信与信息系统]
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名云环境下基于群智能算法的大数据聚类挖掘技术
被引量：11
- 2
-
-
作者
郑琳
张辉
-
机构
衡水广播电视大学
-
出处
《现代电子技术》
北大核心
2020年第15期115-118,共4页
-
文摘
传统的大数据聚类挖掘技术由于迭代次数过多,使其并行效率下降,为此,设计云环境下基于群智能算法的大数据聚类挖掘技术。在云环境下采用群智能算法初始化聚类中心,计算数据密度参数及类间距离,根据计算结果更新聚类中心,输出距离最小的最优解即为最优划分聚类,设计并行化聚类挖掘,以输出的最优解为依据,完成大数据聚类挖掘。实验结果表明,在数据集相同的情况下,与传统的两种聚类挖掘算法相比,文中设计的云环境下的群智能算法的大数据聚类挖掘算法随着迭代次数的增加,依然保持较高的并行效率,没有出现下降的趋势,说明该算法适合应用在实际项目中。
-
关键词
大数据聚类挖掘
云环境
群智能算法
数据挖掘
并行化聚类挖掘
数据密度计算
-
Keywords
big data clustering mining
cloud environment
swarm intelligence algorithm
data mining
parallelization clustering mining
data density calculation
-
分类号
TN911.1-34
[电子电信—通信与信息系统]
TP309
[自动化与计算机技术—计算机系统结构]
-
