数字通信世界
數字通信世界
수자통신세계
OIGITAL COMMUNICATION WORLD
2015年
5期
32-34
,共3页
无线电监测%聚类%K-means算法%Hadoop%MapReduce
無線電鑑測%聚類%K-means算法%Hadoop%MapReduce
무선전감측%취류%K-means산법%Hadoop%MapReduce
radio monitoring%cluster%K-means algorithm%Hadoop%MapReduce
无线电日常监测产生了T级别的海量监测数据，但缺乏有效的数据分析软件。聚类分析是无线电监测数据分析的一个重要算法，基于Hadoop的K-means算法，使用MapReduce编程框架，将传统的单机串行聚类算法K-means用分布式、并行的方式实现，使其适用于分布式、海量的无线电监测数据的分析和计算。本文分析了该算法的时间和空间复杂度。
無線電日常鑑測產生瞭T級彆的海量鑑測數據，但缺乏有效的數據分析軟件。聚類分析是無線電鑑測數據分析的一箇重要算法，基于Hadoop的K-means算法，使用MapReduce編程框架，將傳統的單機串行聚類算法K-means用分佈式、併行的方式實現，使其適用于分佈式、海量的無線電鑑測數據的分析和計算。本文分析瞭該算法的時間和空間複雜度。
무선전일상감측산생료T급별적해량감측수거，단결핍유효적수거분석연건。취류분석시무선전감측수거분석적일개중요산법，기우Hadoop적K-means산법，사용MapReduce편정광가，장전통적단궤천행취류산법K-means용분포식、병행적방식실현，사기괄용우분포식、해량적무선전감측수거적분석화계산。본문분석료해산법적시간화공간복잡도。
Daily radio monitoring produces T-level data , while lacking of effective data analysis software. Cluster algorithm is very important in analysis of monitoring data .we realize the traditional K-means algorithm in the way of distributed, parallel manner based on Hadoop, with MapReduce programming framework, making it ideal for distributed, vast quantities of radio monitoring data analysis and calculations. This paper also analyzes the time and space complexity of algorithms.
