基于Spark框架與聚類優化的高效KNN分類算法
大小：0.91 MB 人氣：0 2017-12-08 需要積分：1
針對K-最近鄰（KNN）分類算法時間復雜度與訓練樣本數量成正比而導致的計算量大的問題以及當前大數據背景下面臨的傳統架構處理速度慢的問題，提出了一種基于Spark框架與聚類優化的高效KNN分類算法。該算法首先利用引入收縮因子的優化K-medoids聚類算法對訓練集進行兩次裁剪；然后在分類過程中迭代K值獲得分類結果，并在計算過程中結合Spark計算框架對數據進行分區迭代實現并行化。實驗結果表明，在不同數據集中傳統K最近鄰算法、基于K-medoids的K-最近鄰算法所耗費時間是所提Spark框架下的K-最近鄰算法的3.92 - 31. 90倍，所提算法具有較高的計算效率，相較于Hadoop平臺有較好的加速比，可有效地對大數據進行分類處理。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于Spark框架與聚類優化的高效KNN分類算法下載
相關電子資料下載
- 天數智芯主導的DeepSpark開源社區發布百大應用開放平臺24.06版本 436
- spark運行的基本流程 91
- Spark基于DPU的Native引擎算子卸載方案 180
- 百度前高管景鯤與朱凱華創立AI搜索公司，Genspark產品驚艷上線 458
- 關于Spark的從0實現30s內實時監控指標計算 111
- “Spark+Hive”在DPU環境下的性能測評 | OLAP數據庫引擎選型白皮書（24版）DPU部分 212
- 芯科科技和Arduino合作創建SparkFun Thing Plus Matter板 234
- 應用于MEMS執行器的8英寸硅晶圓上的KNN無鉛技術介紹 345
- Sparkle撼與科技發布TBX-750FA-V2顯卡塢，支持3.5槽厚顯 243
- 如何注冊星閃Sparklink設備媒體接入層標識、地址碼? 246