微型机与应用
微型機與應用
미형궤여응용
Microcomputer & its Applications
2015年
15期
18-21,25
,共5页
大数据%数据质量%数据不一致性%MAP-REDUCE%聚类算法
大數據%數據質量%數據不一緻性%MAP-REDUCE%聚類算法
대수거%수거질량%수거불일치성%MAP-REDUCE%취류산법
大数据时代悄然而至,数据质量也引起人们的关注.在提高数据质量方面,很重要的一部分是解决数据不一致性问题.针对大数据情况下的数据不一致问题,本文提出了在MAP-REDUCE框架下的聚类算法.本文在MAP-REDUCE框架下对K-MEDOIDS聚类算法进行了改进,增强了算法的适用性和精确性,并通过仿真实验验证了在大数据环境下该算法的并行性和有效性.
大數據時代悄然而至,數據質量也引起人們的關註.在提高數據質量方麵,很重要的一部分是解決數據不一緻性問題.針對大數據情況下的數據不一緻問題,本文提齣瞭在MAP-REDUCE框架下的聚類算法.本文在MAP-REDUCE框架下對K-MEDOIDS聚類算法進行瞭改進,增彊瞭算法的適用性和精確性,併通過倣真實驗驗證瞭在大數據環境下該算法的併行性和有效性.
대수거시대초연이지,수거질량야인기인문적관주.재제고수거질량방면,흔중요적일부분시해결수거불일치성문제.침대대수거정황하적수거불일치문제,본문제출료재MAP-REDUCE광가하적취류산법.본문재MAP-REDUCE광가하대K-MEDOIDS취류산법진행료개진,증강료산법적괄용성화정학성,병통과방진실험험증료재대수거배경하해산법적병행성화유효성.
