并行采样Mapreduce移动社交网络k均值分布层次聚类

摘要

针对移动社交网络社区管理问题,研究提出聚类分析框架,并设计相应的节点信息交换数据结构,该结构能够存储节点相遇过程中的节点间相似度信息,并适用层次聚类进行分析.但存在数据处理量随节点数量增加而大幅增加的问题,对此为解决大型移动社交网络数据维数灾难问题,利用采样构建数据子集方式,并结合Mapreduce计算模型实现并行移动社交网络均值聚类中心选取方式.同时,为提高算法稳定性和便于设计信息转发方案,采用一种分布式层次聚类方式,对个体进行聚类分析和基于层级的转发方案设计.最后,通过实验,验证了所提算法在保持聚类精度前提下,有效提高了大型移动社交网络聚类分析效率.