分布式聚類算法研究與應用.pdf_第1頁
已閱讀1頁,還剩83頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著信息技術的進步,數字圖書館的社會價值日益凸顯,數字圖書館的建設受到了眾多國家機構的高度重視。如何在現有資源的基礎之上挖掘數字圖書中的信息,改進基于內容的數字圖書檢索是數字圖書館研究的一個重要方面。
   本文主要研究了分布式聚類技術及在數字圖書館中的應用。
   數據規(guī)模同益增長的今天,大規(guī)模數據處理非常有挑戰(zhàn)性。許多并行算法已被提出,如基于MapReduce的分布式K-means聚類算法、分布式譜聚類算法等。近鄰傳

2、播AP聚類能克服K-means聚類算法的局限性,但是對海量數據的處理性能不高。為了有效實現海量數據聚類,利用相似度稀疏化以及層次采樣的方法,我們提出了兩個基于AP聚類改進的并行算法。在層次采樣的方法中先將數據點隨機劃分為規(guī)模相近的子集,并行地用AP聚類采樣各子集,然后融合各子集的采樣數據再次進行AP聚類,最終用產生的聚類代表為所有數據點指派聚類中心。在人工合成數據、人臉圖像數據、IRIS數據等數據集上的實驗表明,該算法對數據規(guī)模有很好的

3、適應性,在保持AP聚類效果的同時可有效縮減聚類時間。
   在研究了Hadoop中基于MapReduce的布式計算技術后,本文利用層次采樣的方法設計了基于MapReduce的分布式AP聚類算法--DisAP,并驗證了DisAP對數據規(guī)模的適應性。DisAP已應用到數字圖書館大規(guī)模數據挖掘與分析之中,我們設計了針對中草藥數字圖書的多媒體信息檢索框架。該框架首先利用圖像處理、特征抽取、關鍵詞提取等技術分析數字圖書的內容,然后利用爬蟲

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論