基于Spark平台的聚类算法的研究和实现

传统的聚类算法^([1])是从要聚类的样本中任意挑选指定个样本作为中心点开始聚类,中心点选取不同,聚类算法每次执行的结果可能不一样,这样会导致不稳定的结果。为了使聚类结果更加稳定,在聚类算法开始之前怎样得到准确的中心点个数以及正确地挑选合适的初始中心点^([2])的研究具有非常重要的价值。Mean shift算法^([3])是一种非参数密度估计算法。Mean shift算法可以通过不停的循环调用,可以很快地收敛于概率密度函数最大的地方。算法的过程就是不断寻找概率密度局部最大值的过程。通过Mean shift算法可以很快的找到中心点。