首页> 外文OA文献 >The Realization of Map Reduce-based DBSCAN Density-base Clustering Method
【2h】

The Realization of Map Reduce-based DBSCAN Density-base Clustering Method

机译:基于Map Reduce的基于DBSCAN密度的聚类方法的实现

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务,本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文,但由于OA文献来源多样且变更频繁,仍可能出现获取不到、文献不完整或与标题不符等情况,如果获取不到我们将提供退款服务。请知悉。

摘要

dbSCAn是一种简单、有效的基于密度的聚类算法,用于寻找被低密度区域分离的高密度区域。dbSCAn是最经常被使用、在科学文献中被引用最多的聚类算法之一。在数据维度比较高的情况下,dbSCAn的时间复杂度为O(n2)。然而,在现实世界中,数据集的大小已经增长到超大规模。对此,一个有效率的并行的dbSCAn算法被提出,并在MAP rEduCE平台下实现它。首先,对已经预处理过的数据进行划分。接下来,局部的dbSCAn算法将对每一块划分好的数据空间实现聚类。最终,利用合并算法对上一阶段的聚类结果进行合并。实验结果验证了并行算法的有效性。
机译:dbSCAn是一种简单、有效的基于密度的聚类算法,用于寻找被低密度区域分离的高密度区域。dbSCAn是最经常被使用、在科学文献中被引用最多的聚类算法之一。在数据维度比较高的情况下,dbSCAn的时间复杂度为O(n2)。然而,在现实世界中,数据集的大小已经增长到超大规模。对此,一个有效率的并行的dbSCAn算法被提出,并在MAP rEduCE平台下实现它。首先,对已经预处理过的数据进行划分。接下来,局部的dbSCAn算法将对每一块划分好的数据空间实现聚类。最终,利用合并算法对上一阶段的聚类结果进行合并。实验结果验证了并行算法的有效性。

著录项

  • 作者

    林阿弟; 陈晓锋;

  • 作者单位
  • 年度 2015
  • 总页数
  • 原文格式 PDF
  • 正文语种 zh_CN
  • 中图分类

相似文献

  • 外文文献
  • 中文文献
  • 专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号