论文摘要
针对传统k-means算法中初始聚类中心随机确定的问题,提出k-means改进算法。首先,定义变量权值,权值的大小等于样本密度乘以簇间距离除以簇内样本平均距离,通过最大权值来确定聚类中心,克服了随机确定聚类中心的不稳定性。然后在Hadoop平台上用Map-Reduce框架下实现算法的并行化。最后以南通公交IC刷卡记录为例,通过改进的k-means聚类算法进行IC卡刷卡记录的分析。实验表明,在Hadoop平台下改进k-means算法运行稳定、可靠,具有很好的聚类效果。
论文目录
文章来源
类型: 期刊论文
作者: 杨健兵
关键词: 改进算法,聚类
来源: 软件工程 2019年05期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 公路与水路运输,计算机软件及计算机应用
单位: 南通科技职业学院
基金: 南通市科技资助项目“BP神经网络技术在智能公交IC卡中的应用研究”(项目编号:MS12017026-4)
分类号: U495;TP311.13
DOI: 10.19644/j.cnki.issn2096-1472.2019.05.007
页码: 32-34
总页数: 3
文件大小: 1230K
下载量: 176