文献类型：期刊文章

作　　者：胡健[1,2] 徐锴滨[1] 毛伊敏[1]

Hu Jian;Xu Kaibin;Mao Yimin(School of Information Engineering,Jiangxi University of Science&Technology,Ganzhou Jiangxi 343100,China;Dept.of Information Engineering,College of Applied Science,Jiangxi University of Science&Technology,Ganzhou Jiangxi 341000,China)

机构地区：[1]江西理工大学信息工程学院,江西赣州343100 [2]江西理工大学应用科学学院信息工程系,江西赣州341000

出　　处：《计算机应用研究》

基　　金：国家重点研发计划资助项目(2018YFC1504705);国家自然科学基金资助项目(41562019);江西省教育厅科技项目(GJJ151528,GJJ151531)。

年　　份：2021

卷　　号：38

期　　号：5

起止页码：1336-1343

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：针对大数据下密度聚类算法中存在的数据划分不合理、参数寻优能力不佳、并行性能较低等问题,提出一种基于IFOA的并行密度聚类算法(density-based clustering algorithm by using improve fruit fly optimization based on MapReduce,MR-DBIFOA)。首先,该算法基于KD树,提出网格划分策略(divide gird based on KD tree,KDG)来自动划分数据网格;其次在局部聚类中,提出基于自适应搜索策略(step strategy based on knowledge learn,KLSS)和聚类判定函数(clustering criterion function,CCF)的果蝇群优化算法(improve fruit fly optimization algorithm,IFOA);然后根据IFOA进行局部聚类中最优参数的动态寻优,从而使局部聚类的聚类效果得到提升;同时结合MapReduce模型提出局部聚类算法DBIFOA(density-based clustering algorithm using IFOA);最后提出了基于QR-tree的并行合并局部簇算法(cluster merging algorithm by using MapReduce,MR-QRMEC),实现局部簇的并行合并,使算法整体的并行性能得到加强。实验表明,MR-DBIFOA在大数据下的并行效率更高,且聚类效果更好。

关 键 词：大数据 密度聚类算法 KD树 果蝇优化  

分 类 号：TP315.69]