一种改进的基于大数据集的混合聚类算法

来源：计算机工程与科学杂志2015年第9期北京时间：

作者：张晓，王红

单位：（1.山东师范大学信息科学与工程学院，山东 济南 250014;2.山东省分布式计算机软件重点实验室，山东 济南 250014）

摘要：针对kmeans算法过度依赖初始聚类中心、收敛速度慢等局限性及其在处理海量数据时存在的内存不足问题，提出一种新的针对大数据集的混合聚类算法superkmeans，将改进的基于超网络的高维数据聚类算法与kmeans相结合，并经过MapReduce并行化后部署在Hadoop集群上运行。实验表明，该算法不仅在收敛性以及聚类精度两方面得到优化，其加速比和扩展性也有了大幅度的改善。

关键词：k-means,超网络,频繁项集,超图划分,MapReduce,

基金资助：国家自然科学基金资助项目（61373149,61472233）；山东省科技计划项目（2012GGX10118，2014GGX101026）