mapreduce模型下的模糊c均值算法研究 research on fuzzy c-means algorithm on mapreduce model.pdfVIP

下载本文档

3
0
约1.95万字
约 5页
2017-09-05 发布于上海
举报
版权申诉

mapreduce模型下的模糊c均值算法研究 research on fuzzy c-means algorithm on mapreduce model.pdf

1、本文档共5页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

mapreduce模型下的模糊c均值算法研究 research on fuzzy c-means algorithm on mapreduce model

第40卷　第10期　计算机工程 2014年10月　　 Vol.40　 No.10 　 Computer Engineering October 2014 ·先进计算与数据处理 · 文章编号:1000-3428(2014)10-0047-05　　　文献标识码:A　　　中图分类号:TP391．41 MapReduce模型下的模糊 C均值算法研究王永贵,李鸿绪,宋　晓 (辽宁工程技术大学软件学院,辽宁葫芦岛 125105) 摘　要:针对模糊C均值算法需要不断迭代来计算样本数据的隶属度值以及聚类中心的特点,利用MapReduce模型解决海量数据下的模糊C均值问题,进而提出高效的模糊C均值算法。在Map 阶段和Reduce 阶段分别完成隶属度和聚类中心的计算,每次迭代都需要启动一次完整的MapReduce执行过程。通过多次迭代计算出隶属度值以及聚类中心,并更新聚类中心文件,供下一轮作业使用,重复执行这一过程直至得到最终聚类结果。实验结果表明,该算法能够有效减少MapReduce计算过程中的迭代次数,从而提高整体执行效率。关键词:模糊C均值算法;MapReduce模型;海量数据;高效;迭代中文引用格式:王永贵,李鸿绪,宋　晓．MapReduce 模型下的模糊 C 均值算法研究[J].计算机工程,2014, 40(10):47-51. 英文引用格式:WangYonggui,Li Hongxu,SongXiao．Research onFuzzy C-meansAlgorithmonMapReduceModel[J]. Computer Engineering,2014,40(10):47-51. Research on Fuzzy C-means Algorithm on MapReduce Model WANG Yong-gui,LI Hong-xu,SONG Xiao (College of Software,Liaoning Technical University,Huludao 125105,China) 【Abstract】FuzzyC-means(FCM)algorithmrequiresconstantiterationtocalculatethecharacteristicsofthemembership value of the sample data and cluster center,using MapReduce model to solve the FCM under massive data.Map stage calculates membership degree,and Reduce stage completes computing cluster center. Each iteration needs to start a MapReduce implementation process.Throughmultipleiterations,it calculatesthevalueofmembershipandcluster center, and updates cluster center file for the use of next round job.Repeat this process until get the final clustering results. Experimental results show that the algorithm can effectively reduce the number of iterations during the calculation and improve the overall efficiency of the implementati