基于數(shù)據(jù)劃分和融合策略的并行DBSCAN算法
大數(shù)據(jù)是近年來計算機領(lǐng)域興起的熱點研究方向，通過聚類可以解決諸如機器學習、數(shù)據(jù)挖掘、生物信息分析等諸多大數(shù)據(jù)領(lǐng)域的問題。聚類是研究分類問題的重要方法，通過聚類分析可以將樣本中具有相同或者相似特征的項歸為一類，而將不具有該特征的項排除在外。主流的聚類方法包括基于劃分的聚類方法，如K-means；層次聚類方法，如CURE和BIRCH等；基于統(tǒng)計模型的方法，如EM算法等；基于密度的方法，如DBSCAN，OPTICS等。在基于密度的方法中，DBSCAN是較為典型的一種，它以超球狀區(qū)域內(nèi)數(shù)據(jù)對象的數(shù)量來衡量此區(qū)域密度的高低，能夠發(fā)現(xiàn)任意形狀的聚類并有效識別噪聲點。
在并行RDD-DBSCAN算法的數(shù)據(jù)劃分和區(qū)域查詢過程中會對數(shù)據(jù)集進行重復(fù)訪問，降低了算法效率。為此，提出基于數(shù)據(jù)劃分和融合策略的并行DBSCAN算法（DBSCAN-PSM）。利用KD樹進行數(shù)據(jù)劃分，實現(xiàn)數(shù)據(jù)分區(qū)與區(qū)域查詢步驟的合并，從而減少數(shù)據(jù)集的訪問次數(shù)以及降低I/O過程對算法效率的影響。采用判定數(shù)據(jù)點自身屬性的方式，對標注為邊緣點的數(shù)據(jù)進行融合，避免全局標記的額外時間開銷。實驗結(jié)果表明，DBSCAN-PSM算法相比RDD-DBSCAN算法可節(jié)省18%左右的運行時間，適用于處理海量數(shù)據(jù)聚類問題。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于數(shù)據(jù)劃分和融合策略的并行DBSCAN算法下載
相關(guān)電子資料下載
- STM32串口通信入門！附通信編程示例 474
- 嘉興海棠電子：環(huán)保與創(chuàng)新并行的網(wǎng)線行業(yè)領(lǐng)軍者 83
- 精益思維賦能可穿戴設(shè)備：創(chuàng)新與效率并行的未來科技新篇章 122
- 普渡機器人入駐宜家 為顧客帶來科技與舒適并行的購物方式 449
- 并行連接的SiC MOSFET可以帶來更多電力 501
- 高速信息傳輸使用串行還是并行 325
- 串行傳輸和并行傳輸?shù)膮^(qū)別,各用于什么場合 866
- 串行加法器和并行加法器的區(qū)別？ 709
- 湖南進芯電子科技有限公司專利：上電自檢存儲并行系統(tǒng)及方法 181
- 仁懋MOSFET賦能電動車控制板：速度、效率與安全并行 203