资料下载
×
基于MapReduce和加权网络信息熵的DBWGIE-MR算法
消耗积分:0 |
格式:pdf |
大小:5.37 MB |
2021-04-07
分享资料个
针对大数据下基于密度的聚类算法中存在的数据网格划分不合理，聚类结果准确度不高以及并行化效率较低等问题，提出了基于 Mapreduce和加权网格信息熵的 DBWGIE-MR算法。首先提出自适应网格划分策略（ADG）来划分网格单元;其次提出邻居网格扩展策略（NE）用于构建毎饣数据分区的加权网格，以此提高聚类效果;同时提出加权网格信息熵策略（wGIE来计算网格密度以及密度聚类算法的ε邻域和核心对象，使密度聚类算法更适用于加权网格;接着结合 Mapreduce计算模型，提岀并行计算局部簇算法（ COMCOREMR），从而加快获取局部簇;最后提出了基于并查集的并行合并局部簇算法（ MECORE-MR），用于加快合并局部簇的收敛速度，提升了基于密度的聚类算法对局部簇合并的效率。实验结果表明， DBWGIE-MR算法的聚类效果更佳，且在较大规模的数据集下算法的并行化性能更好。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
