《Parallel batch k-means for Big data clustering》 SCI （聚类k-means）

• 将数据集拆分为等分区并减少计算的指数增长。目标是保留特征数据集的同时提高聚类速度。为每个分区计算簇的中心，它们被合并并在以后聚集。还考虑了确定最佳批量大小的方法。

本文通过将复杂计算分成多个简单运算（大小一致），先并行对多组数据进行聚类寻找中心，然后获得多个中心，将中心再用于聚类得到最终中心

每一组的数量计算 k 是簇数，r 是相对差异，v(a)是依表所得。

总结：这篇论文的改进比较简单，总的思想就是“大事化小“，将复杂问题拆分成同规模的简单小问题（小问题可以并行处理），然后在此基础上再解决问题。

终于读完了所有内容！完结撒花*★,°*:.☆(￣▽￣)/$:*.°★* 。