| 自适应布谷鸟搜索的并行K-means聚类算法* |
| |
| 引用本文： | 王波,余相君.自适应布谷鸟搜索的并行K-means聚类算法*[J].计算机应用研究,2018,35(3). |
| |
| 作者姓名： | 王波 余相君 |
| |
| 作者单位： | 重庆大学 计算机学院,重庆大学 计算机学院 |
| |
| 基金项目： | 国家科技重大专项(2012ZX07-307-002) |
| |
| 摘 要： | 针对K-means聚类算法受初始类中心影响,聚类结果容易陷入局部最优导致聚类准确率较低的问题,提出了一种基于自适应布谷鸟搜索的K-means 聚类改进算法,并利用MapReduce编程模型实现了改进算法的并行化。通过搭建的Hadoop分布式计算平台对不同样本数据集分别进行10次准确性实验和效率实验,结果表明：(1)聚类的平均准确率在实验所采用的4种UCI标准数据集上,相比原始K-means聚类算法和基于粒子群优化算法改进的K-means聚类算法都有所提高；(2) 聚类的平均运行效率在实验所采用的5种大小递增的随机数据集上,当数据量较大时,显著优于原始K-means串行算法,稍好于粒子群优化算法改进的并行K-means聚类算法。可以得出结论，在大数据情景下，应用该算法的聚类效果较好。
|
| 关 键 词： | 聚类 K均值算法 布谷鸟搜索算法 Hadoop MapReduce |
| 收稿时间： | 2016/10/27 0:00:00 |
| 修稿时间： | 2016/12/14 0:00:00 |
Parallel K-means clustering algorithm based onadaptive cuckoo search |
| |
| Wang Bo and Yu Xiangjun.Parallel K-means clustering algorithm based onadaptive cuckoo search[J].Application Research of Computers,2018,35(3). |
| |
| Authors: | Wang Bo and Yu Xiangjun |
| |
| Affiliation: | School of Computer Science,Chongqing University, |
| |
| Abstract: | |
| |
| Keywords: | Clustering K-means algorithm Cuckoo search algorithm Hadoop MapReduce |
|
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|
