计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2015年
z1期
470-473
,共4页
Hadoop%k-means%PSO%MapReduce%Web 日志挖掘
Hadoop%k-means%PSO%MapReduce%Web 日誌挖掘
Hadoop%k-means%PSO%MapReduce%Web 일지알굴
Hadoop%k-means%PSO%MapReduce%Web log mining
互联网技术的迅速发展,使得基于单一结点的Web日志挖掘变得十分困难,而Hadoop云平台的出现,为这类问题提供了新的解决方案.但传统的Web日志挖掘聚类k-means算法对初始聚类中心的选择敏感等缺点,容易影响聚类准确率.针对这个问题,提出基于粒子群算法(PSO)的k-means算法,使得k-means算法不受初始聚类中心的影响,并且在Hadoop平台上实现了算法的MapReduce编程.实验结果证明:提出的改进算法,与传统的k-means算法相比,具有更高的聚类准确率;与串行单机算法相比,运行效率也有很大的提升.
互聯網技術的迅速髮展,使得基于單一結點的Web日誌挖掘變得十分睏難,而Hadoop雲平檯的齣現,為這類問題提供瞭新的解決方案.但傳統的Web日誌挖掘聚類k-means算法對初始聚類中心的選擇敏感等缺點,容易影響聚類準確率.針對這箇問題,提齣基于粒子群算法(PSO)的k-means算法,使得k-means算法不受初始聚類中心的影響,併且在Hadoop平檯上實現瞭算法的MapReduce編程.實驗結果證明:提齣的改進算法,與傳統的k-means算法相比,具有更高的聚類準確率;與串行單機算法相比,運行效率也有很大的提升.
호련망기술적신속발전,사득기우단일결점적Web일지알굴변득십분곤난,이Hadoop운평태적출현,위저류문제제공료신적해결방안.단전통적Web일지알굴취류k-means산법대초시취류중심적선택민감등결점,용역영향취류준학솔.침대저개문제,제출기우입자군산법(PSO)적k-means산법,사득k-means산법불수초시취류중심적영향,병차재Hadoop평태상실현료산법적MapReduce편정.실험결과증명:제출적개진산법,여전통적k-means산법상비,구유경고적취류준학솔;여천행단궤산법상비,운행효솔야유흔대적제승.
