本文關(guān)鍵詞：基于MapReduce的并行SFLA-FCM聚類算法

  更多相關(guān)文章： 聚類 模糊C均值算法 混合蛙跳算法 MapReduce

【摘要】：模糊C均值算法(Fuzzy C-Means,FCM)是目前應(yīng)用比較廣泛的一種聚類算法。FCM算法的聚類質(zhì)量依賴于初始聚類中心的選擇并且易陷入局部極值,結(jié)合混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)較強的搜索能力,提出一種基于MapReduce的并行SFLA-FCM聚類算法。該算法利用SFLA算法的子群內(nèi)模因信息傳遞和全局信息交換來搜索高質(zhì)量的聚類中心,根據(jù)MapReduce編程模型設(shè)計算法流程,實現(xiàn)并行化,使其具有處理大規(guī)模數(shù)據(jù)集的能力。實驗證明,并行SFLA-FCM算法提高了的搜索能力和聚類結(jié)果的精度,并且具有良好的加速比和擴展性。
【作者單位】： 解放軍信息工程大學(xué)三院;
【關(guān)鍵詞】： 聚類 模糊C均值算法 混合蛙跳算法 MapReduce
【分類號】：TP311.13
【正文快照】： 1引言大數(shù)據(jù)時代的來臨,對傳統(tǒng)數(shù)據(jù)挖掘業(yè)帶來了巨大的挑戰(zhàn)。聚類分析是數(shù)據(jù)挖掘的一項關(guān)鍵技術(shù),它既可以作為一種分析手段獲取數(shù)據(jù)集中隱藏的信息,又可以作為數(shù)據(jù)挖掘其他技術(shù)的預(yù)處理階段,提高挖掘效率。聚類就是將事物按照某種規(guī)則,劃分成若干個簇,使同一個簇中的元素盡可

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 李英海;周建中;楊俊杰;劉力;;一種基于閾值選擇策略的改進(jìn)混合蛙跳算法[J];計算機工程與應(yīng)用;2007年35期

2 杜長海;黃席樾;楊祖元;鄧天民;詹建平;;改進(jìn)的FCM聚類在交通時段自動劃分中的應(yīng)用[J];計算機工程與應(yīng)用;2009年24期

3 余長俊;張燃;;云環(huán)境下基于Canopy聚類的FCM算法研究[J];計算機科學(xué);2014年S2期

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張友華;王聯(lián)國;;基于混合蛙跳算法的電力系統(tǒng)經(jīng)濟負(fù)荷分配[J];傳感器與微系統(tǒng);2012年06期

2 欒W氳，

本文編號：917581