作者：汪晶; 邹学玉; 喻维明; 孙咏hadoop云平台canopy算法最小方差大规模数据
摘要：针对K-means算法聚类质量和收敛速度取决于初始聚类中心选取的问题,提出了一种利用最小方差获取Canopy最优全局中心作为K-means聚类中心初值的算法,并利用Hadoop平台MapReduce编程模型进行了分布式MVC-Kmeans算法的设计与实现。标准UCI数据集测试结果表明,与传统K-means聚类算法相比,该算法可以得到更好的聚类质量,且收敛速度更快,适于大规模数据的聚类分析。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《长江大学学报·自然科学版》（CN：42-1741/N）是一本有较高学术价值的大型双月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度，颇受业界和广大读者的关注和好评。 《长江大学学报·自然科学版》主要刊登内容包括农学、园艺、园林、畜牧、兽医、水产、食品科学、农业工程、生物技术、环境科学、农业经济等方面的基础研究和开发应用研究的学术论文。
杂志详情
