基于MapReduce实现并行化K-means算法

本文介绍了如何在MapReduce框架下实现K-Means聚类算法,通过详细步骤展示从节点增加时的性能提升。算法在不同数据量下表现出良好效果,通过Map、Combine和Reduce步骤进行数据处理,优化包括减少通信量和计算量。然而,该方法在并行化处理上缺乏创新优化。
摘要由CSDN通过智能技术生成

阅读报告

阅读文献WeizhongZhao, H Ma, Q He – Springer “Parallel K-Means Clustering Base on MapReduce”, CloudComputing, 2009

 

解决问题:在分布式文件系统基础下的MapReduce编程模型实现K-Means聚类算法

 

运行效果:从节点增加时的总体速度提升,平均速度下降,数据量增大等多个条件下对算法进行实验,算法表现良好。

 

具体方法

评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值