本文關(guān)鍵詞：基于屬性維劃分和MapReduce的道路運輸信息系統(tǒng)數(shù)據(jù)聚類　出處：《華南理工大學(xué)學(xué)報(自然科學(xué)版)》2014年08期 　論文類型：期刊論文

  更多相關(guān)文章： 道路運輸 DBSCAN 屬性維 劃分 MapReduce 聚類

【摘要】：針對基于密度的帶有噪聲空間聚類分析(DBSCAN)的不足,融合了領(lǐng)域知識和劃分思想,提出了屬性維劃分的概念,并論證了基于局部簇合并與核心點計算的剪枝原理,最后結(jié)合云計算編程模式MapReduce的特點,給出了DBSCAN的優(yōu)化方法,并在實際道路運輸信息系統(tǒng)數(shù)據(jù)的聚類分析中得到應(yīng)用驗證.實踐證明劃分后的數(shù)據(jù)集易于實現(xiàn)并行聚類數(shù)據(jù)挖掘,文中優(yōu)化方法優(yōu)于一般的統(tǒng)計分析方法.
[Abstract]:Aiming at the shortage of density - based cluster cluster analysis ( DBSCAN ) , the concept of attribute dimension classification is put forward , and the principle of pruning based on the combination of local cluster and core point is put forward . Finally , based on the characteristics of MapReduce in cloud computing programming mode , the optimization method of DBSCAN is presented , and the application verification is obtained in the cluster analysis of the data of the actual road transport information system . It has been proved that the data set after division is easy to implement parallel clustering data mining , and the optimization method is superior to the general statistical analysis method .

【作者單位】： 華南理工大學(xué)土木與交通學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(61174184) 廣東省工業(yè)科技攻關(guān)計劃項目(2008B010200010) 廣州市科技支撐項目(2011J4300045)
【分類號】：U495
【正文快照】： 聚類是數(shù)據(jù)挖掘與統(tǒng)計分析的一個重要的研究領(lǐng)域,近年來得到廣泛的研究和應(yīng)用[1-2].聚類分析可實現(xiàn)無監(jiān)督的機(jī)器學(xué)習(xí),在對數(shù)據(jù)集的分布沒有任何了解的前提下,將數(shù)據(jù)對象分組成為多個類或簇(Cluster),使一個簇中的對象之間具有較高的相似度,而不同簇中的對象差別較大,從而找到

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 謝永紅;馬延輝;周芳;劉穎安;;PDBSCAN: Parallel DBSCAN for Large-Scale Clustering Applications[J];Journal of Donghua University(English Edition);2012年01期

相關(guān)博士學(xué)位論文 前1條

1 唐亮;信息化條件下營運車輛安全監(jiān)管關(guān)鍵技術(shù)研究[D];重慶大學(xué);2012年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔡穎琨,謝昆青,馬修軍;屏蔽了輸入?yún)?shù)敏感性的DBSCAN改進(jìn)算法[J];北京大學(xué)學(xué)報(自然科學(xué)版);2004年03期

2 谷波,張永奎;文本聚類算法的分析與比較[J];電腦開發(fā)與應(yīng)用;2003年11期

3 王紅;許t，

本文編號：1413207