一种MapReduce架构下基于遗传算法的K-Medoids聚类

由互联网时代快速发展而产生的海量数据给传统聚类方法带来了巨大挑战,如何改进聚类算法从而获取有效信息成为当前的研究热点。K-Medoids是一种常见的基于划分的聚类算法,其优点是可以有效处理孤立、噪声点,但面临着初始中心敏感、容易陷入局部最优值、处理大数据时的CPU和内存瓶颈等问题。为解决上述问题,提出了一种MapReduce架构下基于遗传算法的K-Medoids聚类。利用遗传算法的种群进化特点改进K-Medoids算法的初始中心敏感的问题,在此基础上,利用MapReduce并行遗传K-Medoids算法提高算法效率。通过带标签的数据集进行实验的结果表明,运行在Hadoop集群上的基于MapReduce和遗传算法的K-Medoids算法能有效提高聚类的质量和效率。

地方电视媒体“围困”中的抉择

世间万物兴衰更替、社会发展吐故纳新,电视媒体作为社会文明发展的产物亦遵循其法则,从诞生起迸发的活力,到壮年时创造的辉煌,再到如今面临的挑战,电视媒体的发展已经遇到瓶颈,这其中地方电视台首当其冲,强者恒强、弱者恒弱的马太效应已经显现,地方电视媒体在面对“围困”时,会有怎样的结局,未来十年将会给出答案.