基于MapReduce框架的约束约束改进Cop-Kmeans聚类算法

Semi-supervised clustering; Pairwise constraints;

具有成对约束的聚类最近在聚类社区中引起了很多关注。特别地，数据集中给定实例对之间的必须链接约束和不能链接约束是当今许多聚类算法中所包含的常识。事实证明，这种方法可以成功地指导许多著名的聚类算法获得更准确的结果。但是，最近的工作还表明，必须链接约束和不能链接约束的合并使聚类算法对“实例的分配顺序”过于敏感，因此导致了随后的约束冲突。本文的主要贡献有两个方面。一种方法是在执行“无法链接”集合的“广度优先”搜索后，通过强调无法链接实例的有序分配来解决Cop-Kmeans中违反约束的问题。另一个是通过采用MapReduce框架来降低大数据集的Cop-Kmeans计算复杂度。实验结果表明，我们的方法在海量数据集上表现良好，同时可以克服约束冲突的问题。

文件下载

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

基于MapReduce框架的约束约束改进Cop-Kmeans聚类算法

文件下载

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载