基于Spark的大数据聚类算法-全国高校云计算应用创新大赛.PDF

第三届全国高校云计算应用创新大赛 技能赛命题一 技能赛命题一 基于Spark 的大数据聚类算法 1 题目描述 聚类分析(Cluster Analysis)试图将属性相似的实例划分到同一个类簇，“相似” 体现在实例在高维特征空间上具有更小的距离。图1 展示了示例性的聚类过程， 图中黑色十字表示类簇中心点，随着一步一步的迭代计算，类簇中心点不断被调 整，最终所有数据点被清晰划分为3 个类簇，每个类簇中的点与该类簇中心点之 间的欧拉距离最小。 图1. 二维空间下聚类示例 大数据聚类是从大数据中发现价值必须面对的一个基础性问题，“物以类聚、 人以群分”也是人类基本认知能力在数据科学中的体现。大数据聚类能有效支撑 如客户群细分、文本主题发现、信息检索等大量实际应用。传统聚类方法的重要 假设是数据能够一次性载入内存，随着数据量的急剧增大，单机处理已经力不从 心，需要人们利用分布式计算系统进行并行处理。同时，由于大部分聚类算法都 是迭代型算法，下一轮计算依赖于上一轮的计算结果 （如：K-means 新一轮距离 计算依赖于上一轮计算出的中心点），因此，Spark 的内存计算方式更适用于分布 1 第三届全国高校云计算应用创新大赛 技能赛命题一 式聚类算法。 本题目希望选手在搭建Spark 平台的基础上，利用Spark 平台设计实现聚类 算法，能够对大规模数据进行较为准确的高效聚类。 1.1 聚类问题定义 聚类分析中最突出的就是K 均值算法。K 均值用质心来定义原型，其中质 心是一组点的均值。K 均值算法首先选择K 个初始质心，其中K 是用户指定的 参数，即所期望的簇的个数。每个点指派到距离最近的质心，距离的计算方式有 欧拉距离，cosine 距离，等等。指派到一个质心的点集为一个簇。然后，根据指 派到簇的点，更新每个簇的质心。更新中心时使用公式 = ∑ 来更新每 ∈ 个中心。重复指派和更新步骤，直到簇不发生变化。 符号 意义 第i 个簇 第i 个簇中对象个数 对象 簇 的质心 1.2 本题任务 题目给定数据集 KDDCUP1 、及其真实标记文件 （Ground-Truth ），请编 写Spark 程序，对KDDCUP1 数据集进行聚类，输出类簇标记文件，其文件 格式为： 3 2 3