CN103077253A - Hadoop框架下高维海量数据GMM聚类方法 - Google Patents
Hadoop框架下高维海量数据GMM聚类方法 Download PDFInfo
- Publication number
- CN103077253A CN103077253A CN2013100470233A CN201310047023A CN103077253A CN 103077253 A CN103077253 A CN 103077253A CN 2013100470233 A CN2013100470233 A CN 2013100470233A CN 201310047023 A CN201310047023 A CN 201310047023A CN 103077253 A CN103077253 A CN 103077253A
- Authority
- CN
- China
- Prior art keywords
- cluster
- data
- class
- clustered
- clustering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种Hadoop框架下高维海量数据GMM聚类方法,主要针对已有聚类算法的不足,将海量数据的聚类问题架构在分布式平台上,用于高维、海量数据的聚类。其实现步骤是:1、组建局域网;2、建立Hadoop平台;3、上传数据到集群;4、初始聚类;5、计算各聚类的参数和判别函数;6、判断聚类是否完成;7、重新聚类;8、计算新聚类中每一个类的均值、权重;9、计算新聚类中每一个类的方差;10、输出聚类结果。本发明利用Hadoop框架中MapReduce运算模型的特点,对聚类中的可并行部分用Map并行方法处理,计算均值和方差时采用两个Map/Reduce分别计算,可以高效、精确的聚类,有较强的可扩展性和容错性。
Description
技术领域
本发明属于计算机技术领域,更进一步涉及数据挖掘领域中Hadoop框架下高维、海量数据的高斯混合模型(Gaussian Mixtures Model,GMM)聚类方法。本发明可以方便、高效的完成高维、海量数据地的聚类,克服单机模式下海量数据处理的低效,维数灾难问题。
技术背景
海量数据处理的过程中广泛采用的一种计算框架MR“Dean J,Ghemawat S.MapReduce:simplified data processing on large clusters[J].Communications of the ACM,2005,51(1):107-113”该计算框架是由Google公司发明,近些年新兴的并行编程模式,它将并行化、容错、数据分布、负载均衡等放在一个库里,将系统对数据的所有操作都归结为两个步骤:Map(映射)阶段和Reduce(化简)阶段,使那些没有多少并行计算经验的开发人员也可以开发并行应用,对海量数据进行处理。
Clustering with Gaussian Mixtures“Andrew W.Moore Professor,School ofComputer Science Carnegie Mellon University”所提出的GMM(高斯混合聚类模型)是单一高斯概率密度函数的延伸。通过多个单高斯模型的线性组合来组成一个混合高斯模型。通过EM算法对模型的参数不断进行调整从而得到能够描述数据的聚类模型。该方法存在的不足是:在聚类过程中不能有效应对海量数据,算法效率受到时间,空间复杂度的限制。
上海海事大学申请的发明专利“一种基于在线分裂合并EM算法的高斯混合模型聚类方法”(专利申请号:201010172604.6,公开号:CN102081753A)。该专利申请公开了一种基于在线分裂合并EM算法的高斯混合模型聚类方法,该方法基于在线分裂合并的EM算法对Ueda等人和Demsper等人的算法进行改进,因此,该聚类方法继承了EM算法的完备性和收敛性特征,也继承了分裂合并算法对局部收敛性的改进,通过引入时间序列参数,提出了增量在线分裂EM训练方法,由此实现了增量式的期望最大化训练。该聚类方法能够逐样本在线更新GMM模型参数,克服了批处理数据要求的离线训练的局限性。但是,该聚类方法仍然存在不足之处是,该聚类方法并没有解决大规模数据处理中的维数灾难问题,可扩展性及伸缩性不强。
发明内容
本发明的目的在于克服上述现有技术的不足,将海量数据的聚类问题架构在分布式平台上,提出一种基于Hadoop框架的高维、海量数据聚类方法。在聚类的过程中,利用Hadoop框架中MapReduce运算模型的特点,对聚类中的可并行部分用Map并行方法处理,计算均值和方差时采用两个Map/Reduce分别计算。
为实现上述目的,本发明包括如下步骤:
(1)组建局域网
将多台计算机连接到同一局域网中,每台计算机作为一个节点,建立能够相互通信的集群;
(2)建立Hadoop平台
对集群中的每个节点配置Hadoop0.20.2文件,通过文件中属性参数dfs.namenode和dfs.datanode的设置,使集群中包含一个名字节点和多个数据节点;通过文件中属性参数mapred.jobtracker和mapred.tasktracker的设置,使集群中包含一个调度节点和多个任务节点,建立开源的Hadoop平台;
(3)上传数据到集群
使用Hadoop分布式文件命令dfs-put将待聚类数据集上传至Hadoop平台的各个节点上;
(4)初始聚类
采用KMeans聚类方法,对集群中节点上的数据进行初始粗略聚类,得到初始的聚类;
(5)计算各聚类的参数和判别函数
5a)计算初始的聚类每一个类的均值;
5b)统计初始聚类每一个类中数据的个数,用统计的数据个数除以待聚类数据集中数据的总数,得到初始聚类每一个类的权重;
5c)计算初始的聚类每一个类的方差;
5d)计算判别函数
按照下式计算高斯概率密度值:
其中,G表示高斯概率密度的值,x表示待聚类数据集中的任意一个向量数据,ui表示第i个类的均值,i表示聚类中的第i个类,∑i表示第i个类的方差,exp表示以e为底的指数运算;
按照下式计算判别函数的值:
其中,L表示判别函数值,x表示待聚类数据集中的任意一个向量数据,D表示待聚类数据集,K表示聚类中类的个数,i表示聚类中的第i个类,pi表示第i个类在聚类中的权重,G表示第i个类的高斯概率密度值,ui表示第i个类的均值,∑i表示第i个类的方差;
(6)判断聚类是否完成
判断判别函数的值是否在设定域值之内,若在阈值内,则聚类结束,执行步骤(10),若不在阈值内,表示聚类尚未结束,执行步骤(7);
(7)重新聚类
7a)启动第一个Map任务,扫描待聚类数据集,每次读入一条数据;
7b)对每次读入的数据,采用以下公式计算读入的数据到聚类中每个类的概率值:
其中,γ(x,i)表示待聚类数据集中数据x到聚类中第i个类的概率值,pi表示第i个聚类在待聚类数据集中的权重,G为第i个聚类的概率密度函数值,x表示待聚类数据集中的数据,ui表示第i个聚类的均值,∑i表示第i个聚类的方差,K表示聚类的个数,h表示聚类中的第h个类,Ph表示第h个聚类在待聚类数据集中的权重,uh表示第h个类的均值,∑h表示第h个聚类的方差;
7c)选取概率值中的最大值,将步骤7a)读入数据分配到最大值对应的类;
7d)判断是否读取完待聚类数据集,若未读取完,则执行步骤7a),若读取完,则表示得到了新聚类,执行步骤(8);
(8)计算新聚类中每一个类的均值、权重
启动第一个Reduce任务,计算第一个Map任务传入的聚类数据,按照步骤5a)的计算方法获得新聚类中每一个类的均值,按照步骤5b)的计算方法获得新聚类中每一个类的权重;
(9)计算新聚类中每一个类的方差
9a)启动第二个Map任务,第二次扫描待聚类数据集,每次读入一条数据;
9b)对每次读入的数据,采用以下公式计算Map/Reduce中间值:
Dmid=(x-u)2
其中,Dmid表示Map/Reduce中间值,x表示步骤9a)读入的一条数据,u表示x所属类的均值;
9c)启动第二个Reduce任务,对9b)的中间值先求和,再求和的根,获得新聚类的方差;
9d)判断是否读取完待聚类数据集,若未读取完,则执行步骤9a),若读取完,执行步骤(5);
(10)输出聚类结果
聚类结束后,聚类中每一个类的均值、权重、方差作为聚类结果输出;
本发明与现有的技术相比具有以下优点:
第一,由于本发明在聚类过程中对聚类中的可并行部分用Map并行方法处理,克服了现有技术采用串行计算方法存在效率低的不足,使得本发明在聚类效率上提高很大。
第二,由于本发明在计算均值和方差时采用两个Map/Reduce分别计算,降低了现有技术中Map端到Reduce端数据量的传输,使得本发明解决了现有技术中数据传输的I/O瓶颈问题。
第三,由于本发明将聚类问题架构在分布式平台上,分布式平台可以随时委任、删除节点,使得本发明的可扩展性强。
附图说明
图1为本发明的流程图;
图2为不同规模的数据量情况下,使用本方法与传统方法处理的对比结果图;
图3为在相同规模数据量,不同聚类个数情况下,使用本方法与传统方法处理的对比结果图。
具体实施方式
下面结合附图对本发明做进一步的描述。
参照图1,本发明包括如下步骤:
步骤1,组建局域网
将多台计算机连接到同一局域网中,每台计算机作为一个节点,建立能够相互通信的集群。
步骤2,建立Hadoop平台
对集群中的每个节点配置Hadoop0.20.2文件,通过文件中属性参数dfs.namenode和dfs.datanode的设置,使集群中包含一个名字节点和多个数据节点;通过文件中属性参数mapred.jobtracker和mapred.tasktracker的设置,使集群中包含一个调度节点和多个任务节点,建立开源的Hadoop平台。
建立Hadoop平台具体步骤如下:首先为集群中每一个节点安装ubuntu10.04操作系统;然后为集群中每一个节点安装Hadoop0.20.2插件;为集群中每一个节点安装JDK1.6.3插件;配置集群中每个节点上的ubuntu10.04系统的etc文件,使ubuntu10.04系统关联该节点上的Hadoop0.20.2文件和该节点上的jdk文件配置每个节点上Hadoop0.20.2插件中的core-site.xml文件,hdfs-site.xml文件和mapred-site.xml文件;设置属性dfs.namenode和dfs.datanode,使集群中存在一个名字节点和多个数据节点,设置属性mapred.jobtracker和mapred.tasktracker,使集群中存在一个任务调度节点和多个任务执行节点。
步骤3,上传数据到集群
使用Hadoop分布式文件命令dfs-put将待聚类数据集上传至Hadoop平台的各个节点上。
步骤4,初始聚类
采用KMeans聚类方法,对集群中节点上的数据进行初始粗略聚类,得到初始的聚类。
初始聚类的具体步骤如下:首先把待聚类数据集聚集为c个类,c的大小根据不同的工程要求设定不同的值;采用随机函数从待聚类数据集中选取c个数据作为聚类中每个类的中心;设定迭代次数K,K的大小根据不同工程要求设定不同的值,设定已迭代次数m的初始值为0;读取数据,每次读取待聚类数据集中的一条数据;对读入数据,采用下式求其到聚类中每个类的中心的距离:
其中,Di表示数据x到聚类中第i个类的中心的距离,x代表读入的数据,ci代表聚类中第i个类的中心。
将读入数据归到距离最短的中心所在的类;判断是否读取完待聚类数据集,若读取完,迭代次数m加1,否则继续读取下一条数据;利用均值方法更新该类的中心值。判断迭代次数m是否大于K,如果大于,结束迭代,否则继续读取数据。
步骤5,计算各聚类的参数和判别函数
计算初始的聚类每一个类的均值;统计初始聚类每一个类中数据的个数,用统计的数据个数除以待聚类数据集中数据的总数,得到初始聚类每一个类的权重;计算初始的聚类每一个类的方差;
首先计算高斯概率密度值,由此高斯概率密度值计算获得判别函数的值。
按照下式计算高斯概率密度值:
其中,G表示高斯概率密度的值,x表示待聚类数据集中的任意一个向量数据,ui表示第i个类的均值,i表示聚类中的第i个类,∑i表示第i个类的方差,exp表示以e为底的指数运算;
按照下式计算判别函数的值:
其中,L表示判别函数值,x表示待聚类数据集中的任意一个向量数据,D表示待聚类数据集,K表示聚类中类的个数,i表示聚类中的第i个类,pi表示第i个类在聚类中的权重,G表示第i个类的高斯概率密度值,ui表示第i个类的均值,∑i表示第i个类的方差。
步骤6,判断聚类是否完成
判断判别函数的值是否在设定域值之内,若在阈值内,则聚类结束,执行步骤10,若不在阈值内,表示聚类尚未结束,执行步骤7。
步骤7,重新聚类
7a)启动第一个Map任务,扫描待聚类数据集,每次读入一条数据;
7b)对每次读入的数据,采用以下公式计算读入的数据到聚类中每个类的概率值:
其中,γ(x,i)表示待聚类数据集中数据x到聚类中第i个类的概率值,pi表示第i个聚类在待聚类数据集中的权重,G为第i个聚类的概率密度函数值,x表示待聚类数据集中的数据,ui表示第i个聚类的均值,Σi表示第i个聚类的方差,K表示聚类的个数,h表示聚类中的第h个类,Ph表示第h个聚类在待聚类数据集中的权重,ub表示第h个类的均值,∑h表示第h个聚类的方差;
7c)选取概率值中的最大值,将步骤7a)读入数据分配到最大值对应的类;
7d)判断是否读取完待聚类数据集,若未读取完,则执行步骤7a),若读取完,则表示得到了新聚类,执行步骤8。
步骤8,计算新聚类中每一个类的均值、权重
启动第一个Reduce任务,计算第一个Map任务传入的聚类数据,按照步骤5a)的计算方法获得新聚类中每一个类的均值,按照步骤5b)的计算方法获得新聚类中每一个类的权重。
步骤9,计算新聚类中每一个类的方差
9a)启动第二个Map任务,第二次扫描待聚类数据集,每次读入一条数据;
9b)对每次读入的数据,采用以下公式计算Map/Reduce中间值:
Dmid=(x-u)2
其中,Dmid表示Map/Reduce中间值,x表示步骤9a)读入的一条数据,u表示x所属类的均值;
9c)启动第二个Reduce任务,对9b)的中间值先求和,再求和的根,获得新聚类的方差;
9d)判断是否读取完待聚类数据集,若未读取完,则执行步骤9a),若读取完,执行步骤5。
步骤10,结束,输出聚类结果
聚类结束后,聚类中每一个类的均值、权重、方差作为聚类结果输出。
结合图1对本发明的效果做进一步的说明:步骤7要计算数据集中每个向量到聚类中的每一个类的概率,因此要扫描整数据集。步骤9计算聚类中每一个类的方差,也需要扫描整个数据集。这里为了避免数据在网络中的传递,受到I/O瓶颈的影响,本发明在设计时,采用两个Map/Reduce来完成。第一个Map/Reduce完成步骤7的工作,然后直接将数据写到各个节点的本地文件系统。第二个Map/Reduce完成步骤9的工作,在各个节点通过本地文件系统读取数据进行方差计算,这样做减少了网络中数据的传输,提高了计算的效率。
本发明的效果可以通过以下仿真实验进一步说明:
1.仿真实验条件
仿真实验环境:操作系统为Windows7,CPU2.40GHz,名字节点内存为8GB,数据节点内存为4GB,编程平台为ubuntu10.04,Eclipse。
仿真实验一是对不同规模的128维向量数据,聚成三个类的实验,图2是该仿真实验结果图。
仿真实验二是对40000条128维向量数据,聚成多个类的实验,图3是该仿真实验结果图。
2.仿真实验内容和结果
仿真实验一:测试数据维数为128维向量数据,这些数据被聚成了三个类。图2中实线表示传统聚类方法仿真效果,图2中虚线表示本发明仿真效果。从图2中实线、虚线的走势中可以看出,在聚类中类个数相同情况下,数据规模从10000条到70000条的增大,传统单机聚类方法的运算效率受到系统I/O和单机计算能力的制约,低于本发明的运算效率。
仿真实验二:测试数据维数为128维向量数据,数据总个数为40000个。图3中实线表示传统聚类方法仿真效果,图3中虚线表示本发明仿真效果。从图3中实线、虚线的走势中可以看出,在同等规模数据量的情况下,聚类中类个数从1个到10个增多,本发明聚类所需时间较传统方法有了明显的降低。
Claims (3)
1.Hadoop框架下高维海量数据GMM聚类方法,包括如下步骤:
(1)组建局域网
将多台计算机连接到同一局域网中,每台计算机作为一个节点,建立能够相互通信的集群;
(2)建立Hadoop平台
对集群中的每个节点配置Hadoop0.20.2文件,通过文件中属性参数dfs.namenode和dfs.datanode的设置,使集群中包含一个名字节点和多个数据节点;通过文件中属性参数mapred.jobtracker和mapred.tasktracker的设置,使集群中包含一个调度节点和多个任务节点,建立开源的Hadoop平台;
(3)上传数据到集群
使用Hadoop分布式文件命令dfs-put将待聚类数据集上传至Hadoop平台的各个节点上;
(4)初始聚类
采用KMeans聚类方法,对集群中节点上的数据进行初始粗略聚类,得到初始的聚类;
(5)计算各聚类的参数和判别函数
5a)计算初始的聚类每一个类的均值;
5b)统计初始聚类每一个类中数据的个数,用统计的数据个数除以待聚类数据集中数据的总数,得到初始聚类每一个类的权重;
5c)计算初始的聚类每一个类的方差;
5d)计算判别函数
按照下式计算高斯概率密度值:
其中,G表示高斯概率密度的值,x表示待聚类数据集中的任意一个向量数据,ui表示第i个类的均值,i表示聚类中的第i个类,∑i表示第i个类的方差,exp表示以e为底的指数运算;
按照下式计算判别函数的值:
其中,L表示判别函数值,x表示待聚类数据集中的任意一个向量数据,D表示待聚类数据集,K表示聚类中类的个数,i表示聚类中的第i个类,pi表示第i个类在聚类中的权重,G表示第i个类的高斯概率密度值,ui表示第i个类的均值,Σi表示第i个类的方差;
(6)判断聚类是否完成
判断判别函数的值是否在设定域值之内,若在阈值内,则聚类结束,执行步骤(10),若不在阈值内,表示聚类尚未结束,执行步骤(7);
(7)重新聚类
7a)启动第一个Map任务,扫描待聚类数据集,每次读入一条数据;
7b)对每次读入的数据,采用以下公式计算读入的数据到聚类中每个类的概率值:
其中,γ(x,i)表示待聚类数据集中数据x到聚类中第i个类的概率值,pi表示第i个聚类在待聚类数据集中的权重,G为第i个聚类的概率密度函数值,x表示待聚类数据集中的数据,ui表示第i个聚类的均值,Σi表示第i个聚类的方差,K表示聚类的个数,h表示聚类中的第h个类,Ph表示第h个聚类在待聚类数据集中的权重,uh表示第h个类的均值,∑h表示第h个聚类的方差;
7c)选取概率值中的最大值,将步骤7a)读入数据分配到最大值对应的类;
7d)判断是否读取完待聚类数据集,若未读取完,则执行步骤7a),若读取完,则表示得到了新聚类,执行步骤(8);
(8)计算新聚类中每一个类的均值、权重
启动第一个Reduce任务,计算第一个Map任务传入的聚类数据,按照步骤5a)的计算方法获得新聚类中每一个类的均值,按照步骤5b)的计算方法获得新聚类中每一个类的权重;
(9)计算新聚类中每一个类的方差
9a)启动第二个Map任务,第二次扫描待聚类数据集,每次读入一条数据;
9b)对每次读入的数据,采用以下公式计算Map/Reduce中间值:
Dmid=(x-u)2
其中,Dmid表示Map/Reduce中间值,x表示步骤9a)读入的一条数据,u表示x所属类的均值;
9c)启动第二个Reduce任务,对9b)的中间值先求和,再求和的根,获得新聚类的方差;
9d)判断是否读取完待聚类数据集,若未读取完,则执行步骤9a),若读取完,执行步骤(5);
(10)输出聚类结果
聚类结束后,聚类中每一个类的均值、权重、方差作为聚类结果输出。
2.根据权利要求1所述的Hadoop框架下高维海量数据GMM聚类方法,其特征在于,步骤(2)所述的建立Hadoop平台方法的具体步骤如下:
第一步,为集群中每一个节点安装ubuntu10.04操作系统;
第二步,为集群中每一个节点安装Hadoop0.20.2插件;
第三步,为集群中每一个节点安装JDK1.6.3插件;
第四步,配置集群中每个节点上的ubuntu10.04系统的etc文件,使ubuntu10.04系统关联该节点上的Hadoop0.20.2文件和该节点上的jdk文件;
第五步,配置每个节点上Hadoop0.20.2插件中的core-site.xml文件,hdfs-site.xml文件和mapred-site.xml文件;设置属性dfs.namenode和dfs.datanode,使集群中存在一个名字节点和多个数据节点,设置属性mapred,jobtracker和mapred.tasktracker,使集群中存在一个任务调度节点和多个任务执行节点。
3.根据权利要求1所述的Hadoop框架下高维海量数据GMM聚类方法,其特征在于,步骤(4)所述的KMeans聚类方法的具体步骤如下:
第一步,把待聚类数据集聚集为c个类,c的大小根据不同的工程要求设定不同的值;
第二步,采用随机函数从待聚类数据集中选取c个数据作为聚类中每个类的中心;
第三步,设定迭代次数K,K的大小根据不同工程要求设定不同的值,设定已迭代次数m的初始值为0;
第四步,读取数据,每次读取待聚类数据集中的一条数据;
第五步,对第四步读入数据,采用下式求其到聚类中每个类的中心的距离:
其中,Di表示数据x到聚类中第i个类的中心的距离,x代表第四步读入的数据,ci代表聚类中第i个类的中心。
第六步,将数据归到距离最短的中心所在的类;
第七步,判断是否读取完待聚类数据集,若读取完,迭代次数m加1,执行第八步,否则执行第四步;
第八步,利用均值方法更新该类的中心值,判断迭代次数m是否大于K,如果大于,结束迭代,否则继续执行第四步。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310047023.3A CN103077253B (zh) | 2013-01-25 | 2013-01-25 | Hadoop框架下高维海量数据GMM聚类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310047023.3A CN103077253B (zh) | 2013-01-25 | 2013-01-25 | Hadoop框架下高维海量数据GMM聚类方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103077253A true CN103077253A (zh) | 2013-05-01 |
CN103077253B CN103077253B (zh) | 2015-09-30 |
Family
ID=48153783
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310047023.3A Active CN103077253B (zh) | 2013-01-25 | 2013-01-25 | Hadoop框架下高维海量数据GMM聚类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103077253B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235894A (zh) * | 2013-05-08 | 2013-08-07 | 华东理工大学 | 基于自适应优选模糊核聚类的石脑油属性聚类方法 |
CN103593418A (zh) * | 2013-10-30 | 2014-02-19 | 中国科学院计算技术研究所 | 一种面向大数据的分布式主题发现方法及系统 |
CN104142920A (zh) * | 2013-05-06 | 2014-11-12 | 苏州搜客信息技术有限公司 | 一种在线图像检索系统 |
CN104156463A (zh) * | 2014-08-21 | 2014-11-19 | 南京信息工程大学 | 一种基于MapReduce的大数据聚类集成方法 |
CN104503820A (zh) * | 2014-12-10 | 2015-04-08 | 华南师范大学 | 一种基于异步启动的Hadoop优化方法 |
CN104537231A (zh) * | 2014-12-19 | 2015-04-22 | 上海电机学院 | 一种随机遴选系统的公平性审查方法 |
CN104809136A (zh) * | 2014-01-28 | 2015-07-29 | 中国银联股份有限公司 | 一种混合聚类方法和装置 |
CN105740604A (zh) * | 2016-01-22 | 2016-07-06 | 湖南大学 | 基于冗余距离消除和极端点优化的并行k-means聚类方法 |
CN105760222A (zh) * | 2014-12-18 | 2016-07-13 | 北京神州泰岳软件股份有限公司 | 基于MapReduce的平均值计算方法及装置 |
CN105930375A (zh) * | 2016-04-13 | 2016-09-07 | 云南财经大学 | 一种基于xbrl文件的数据挖掘方法 |
CN107423764A (zh) * | 2017-07-26 | 2017-12-01 | 西安交通大学 | 基于NSS‑AKmeans和MapReduce处理大数据的K‑Means聚类方法 |
CN108763576A (zh) * | 2018-05-28 | 2018-11-06 | 大连理工大学 | 一种用于高维文本数据的并行k-means算法 |
CN112508051A (zh) * | 2020-11-06 | 2021-03-16 | 重庆恢恢信息技术有限公司 | 通过大数据平台进行建筑施工项目混合聚类工作方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999062007A1 (en) * | 1998-05-22 | 1999-12-02 | Microsoft Corporation | A scalable system for clustering of large databases having mixed data attributes |
CN102081753A (zh) * | 2010-05-07 | 2011-06-01 | 上海海事大学 | 一种基于在线分裂合并em算法的高斯混合模型分类方法 |
-
2013
- 2013-01-25 CN CN201310047023.3A patent/CN103077253B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999062007A1 (en) * | 1998-05-22 | 1999-12-02 | Microsoft Corporation | A scalable system for clustering of large databases having mixed data attributes |
CN102081753A (zh) * | 2010-05-07 | 2011-06-01 | 上海海事大学 | 一种基于在线分裂合并em算法的高斯混合模型分类方法 |
Non-Patent Citations (1)
Title |
---|
赵卫中 马慧芳 傅燕翔 史忠植: "一种基于Hadoop云计算平台的聚类算法优化的研究", 《计算机科学》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104142920A (zh) * | 2013-05-06 | 2014-11-12 | 苏州搜客信息技术有限公司 | 一种在线图像检索系统 |
CN103235894A (zh) * | 2013-05-08 | 2013-08-07 | 华东理工大学 | 基于自适应优选模糊核聚类的石脑油属性聚类方法 |
CN103593418B (zh) * | 2013-10-30 | 2017-03-29 | 中国科学院计算技术研究所 | 一种面向大数据的分布式主题发现方法及系统 |
CN103593418A (zh) * | 2013-10-30 | 2014-02-19 | 中国科学院计算技术研究所 | 一种面向大数据的分布式主题发现方法及系统 |
CN104809136B (zh) * | 2014-01-28 | 2019-03-15 | 中国银联股份有限公司 | 一种混合聚类方法和装置 |
CN104809136A (zh) * | 2014-01-28 | 2015-07-29 | 中国银联股份有限公司 | 一种混合聚类方法和装置 |
CN104156463A (zh) * | 2014-08-21 | 2014-11-19 | 南京信息工程大学 | 一种基于MapReduce的大数据聚类集成方法 |
CN104503820B (zh) * | 2014-12-10 | 2018-07-24 | 华南师范大学 | 一种基于异步启动的Hadoop优化方法 |
CN104503820A (zh) * | 2014-12-10 | 2015-04-08 | 华南师范大学 | 一种基于异步启动的Hadoop优化方法 |
CN105760222A (zh) * | 2014-12-18 | 2016-07-13 | 北京神州泰岳软件股份有限公司 | 基于MapReduce的平均值计算方法及装置 |
CN104537231A (zh) * | 2014-12-19 | 2015-04-22 | 上海电机学院 | 一种随机遴选系统的公平性审查方法 |
CN105740604A (zh) * | 2016-01-22 | 2016-07-06 | 湖南大学 | 基于冗余距离消除和极端点优化的并行k-means聚类方法 |
CN105930375A (zh) * | 2016-04-13 | 2016-09-07 | 云南财经大学 | 一种基于xbrl文件的数据挖掘方法 |
CN107423764A (zh) * | 2017-07-26 | 2017-12-01 | 西安交通大学 | 基于NSS‑AKmeans和MapReduce处理大数据的K‑Means聚类方法 |
CN108763576A (zh) * | 2018-05-28 | 2018-11-06 | 大连理工大学 | 一种用于高维文本数据的并行k-means算法 |
CN112508051A (zh) * | 2020-11-06 | 2021-03-16 | 重庆恢恢信息技术有限公司 | 通过大数据平台进行建筑施工项目混合聚类工作方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103077253B (zh) | 2015-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103077253B (zh) | Hadoop框架下高维海量数据GMM聚类方法 | |
Zhang et al. | imapreduce: A distributed computing framework for iterative computation | |
CN104750780B (zh) | 一种基于统计分析的Hadoop配置参数优化方法 | |
CN106201651A (zh) | 神经形态芯片的模拟器 | |
CN109523022B (zh) | 终端数据处理方法、装置及终端 | |
CN103246541B (zh) | 一种自动并行化多级并行代价评估方法 | |
CN111708641A (zh) | 一种内存管理方法、装置、设备及计算机可读存储介质 | |
CN112948123B (zh) | 一种基于Spark的网格水文模型分布式计算方法 | |
CN113221475A (zh) | 一种用于高精度流场分析的网格自适应方法 | |
CN102799960B (zh) | 面向数据模型的并行业务流程异常检测方法 | |
Raghavan et al. | Asynchronous evolutionary shape optimization based on high-quality surrogates: application to an air-conditioning duct | |
Dang et al. | Multi-objective multitasking optimization based on positive knowledge transfer mechanism | |
Pardo et al. | Spark implementation of the enhanced Scatter Search metaheuristic: Methodology and assessment | |
Márquez et al. | A load balancing schema for agent-based spmd applications | |
Skorpil et al. | Testing of Python models of parallelized genetic algorithms | |
CN115391156A (zh) | 一种跨域协同训练任务计算效率仿真方法及相关设备 | |
Shen et al. | A hybrid development platform for evolutionary multi-objective optimization | |
Kostromin et al. | Service-oriented tools for automating digital twin development | |
Ma et al. | Parallel exact inference on multicore using mapreduce | |
CN104090813A (zh) | 一种云数据中心的虚拟机cpu使用率的分析建模方法 | |
Franceschini et al. | Decentralized approach for efficient Simulation of DEVS models | |
Rajaram et al. | An improved methodology for airfoil shape optimization using surrogate based design optimization | |
Luo et al. | A new approach to building the Gaussian process model for expensive multi-objective optimization | |
CN112241872A (zh) | 分布式数据计算分析方法、装置、设备和存储介质 | |
Abdalhaq et al. | Evolutionary optimization techniques on computational grids |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200714 Address after: 266109 building 28 and 29, Tian'an Digital City, No. 88, Chunyang Road, Chengyang District, Qingdao, Shandong Province Patentee after: Qingdao Institute of computing technology Xi'an University of Electronic Science and technology Address before: Xi'an City, Shaanxi province Taibai Road 710071 No. 2 Patentee before: XIDIAN University |
|
TR01 | Transfer of patent right |