基于Spark的K-means算法的并行化實現(xiàn)與優(yōu)化.pdf_第1頁
已閱讀1頁,還剩51頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、移動互聯(lián)網(wǎng)浪潮衍生出海量的數(shù)據(jù),這些數(shù)據(jù)中蘊(yùn)含著不可估量的商業(yè)價值和指導(dǎo)價值,而如何從這些雜亂無章的海量數(shù)據(jù)中挖掘出有用的信息已經(jīng)成為一個相當(dāng)重要的研究課題。為了快速提升聚類算法處理海量數(shù)據(jù)集的效率,可以利用集群資源來高效地執(zhí)行挖掘任務(wù),而基于分布式計算平臺Spark的并行化改進(jìn)聚類算法能有效地解決此類難題。
  本課題研究了K-means算法及其優(yōu)化算法在 Spark平臺上的并行化實現(xiàn)。一方面,基于K-means算法存在初始k值

2、不確定性、初始聚類中心點(diǎn)隨機(jī)選取的不穩(wěn)定性問題,本研究課題提出了基于預(yù)聚類算法Canopy來初始化K-means算法中的k值和初始聚類中心用以提高算法的收斂速度和聚類結(jié)果的穩(wěn)定性;另一方面,為了充分利用Spark的RDD特性優(yōu)勢,可以從內(nèi)存優(yōu)化、數(shù)據(jù)壓縮、數(shù)據(jù)序列化、運(yùn)行內(nèi)存占比、運(yùn)行堆占比、緩存大小等系統(tǒng)配置方面進(jìn)行Spark調(diào)優(yōu),從而利用Spark相比于Hadoop的平臺優(yōu)勢進(jìn)一步加快改進(jìn)Canopy_K-means(CKM)算法的

3、并行計算效率和分布式計算環(huán)境下的應(yīng)用能力。
  基于Spark集群環(huán)境下的K-means算法及其改進(jìn)CKM算法的對比研究結(jié)果可得以下結(jié)論:(1)Spark分布式集群在迭代計算方面相對于Hadoop具有不可比擬的效率(收斂速率、聚類準(zhǔn)確度)優(yōu)勢;(2)基于Spark的改進(jìn)CKM并行算法比K-means并行算法的聚類結(jié)果更加準(zhǔn)確可信、收斂速度更快;(3)基于Spark的改進(jìn)CKM并行算法比 K-means并行算法加速比增幅更快、擴(kuò)展比

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論