XJIPC OpenIR  > 多语种信息技术研究室
加速大数据聚类K-means算法的改进
韩岩;李晓
2015
发表期刊计算机工程与设计
卷号36期号:5页码:1317-1320
摘要为有效处理大规模数据聚类的问题,提出一种先抽样再用最大最小距离进行K-means并行化聚类的方法。基于抽样的方法避免了聚类陷入局部解中,基于最大最小距离法使得初始聚类中心趋于最优化。大量实验结果表明,无论是在单机环境还是集群环境下,该方法受初始聚类中心的影响降低,提高了聚类的准确性,减少了聚类的迭代次数,降低了聚类的时间。
关键词K-均值算法 随机抽样 最大最小距离法 映射归约 并行化
文献类型期刊论文
条目标识符http://ir.xjipc.cas.cn/handle/365002/4521
专题多语种信息技术研究室
作者单位中国科学院新疆理化技术研究所;中国科学院大学计算机与控制学院
第一作者单位中国科学院新疆理化技术研究所
推荐引用方式
GB/T 7714
韩岩;李晓. 加速大数据聚类K-means算法的改进[J]. 计算机工程与设计,2015,36(5):1317-1320.
APA 韩岩;李晓.(2015).加速大数据聚类K-means算法的改进.计算机工程与设计,36(5),1317-1320.
MLA 韩岩;李晓."加速大数据聚类K-means算法的改进".计算机工程与设计 36.5(2015):1317-1320.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
加速大数据聚类K-means算法的改进.(232KB)期刊论文作者接受稿开放获取CC BY-NC-SA浏览 请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[韩岩;李晓]的文章
百度学术
百度学术中相似的文章
[韩岩;李晓]的文章
必应学术
必应学术中相似的文章
[韩岩;李晓]的文章
相关权益政策
暂无数据
收藏/分享
文件名: 加速大数据聚类K-means算法的改进.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。