文献类型：期刊文章

作　　者：孙倩[1] 陈昊[2] 李超[1]

Sun Qian;Chen Hao;Li Chao(Informationization Management Department,Hubei University,Wuhan 430062,China;School of Computer Science&Information Engineering,Hubei University,Wuhan 430062,China)

机构地区：[1]湖北大学信息化建设与管理处,武汉430062 [2]湖北大学计算机与信息工程学院,武汉430062

出　　处：《计算机应用研究》

基　　金：湖北省教育厅科学技术研究重点项目(D20141005)。

年　　份：2020

卷　　号：37

期　　号：6

起止页码：1707-1710

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、EBSCO、IC、JST、PROQUEST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：针对大数据聚类算法计算效率与聚类性能较低的问题,提出了一种基于改进人工蜂群算法与MapReduce的大数据聚类算法。将灰狼优化算法与人工蜂群算法结合,同时提高人工蜂群算法的搜索能力与开发能力,该策略能够有效地提高聚类处理的性能;采用混沌映射与反向学习作为ABC种群的初始化策略,提高搜索的解质量;将聚类算法基于Hadoop的MapReduce编程模型实现,通过最小化类内距离的平方和实现对大数据的聚类处理。实验结果表明,该算法有效地提高了大数据集的聚类质量,同时加快了聚类速度。

关 键 词：数据分析  聚类算法 人工蜂群算法 灰狼优化算法  云计算  分布式计算

分 类 号：TP301.6]