-
题名基于数据交叠分区的并行DBSCAN算法
被引量:9
- 1
-
-
作者
宋明
刘宗田
-
机构
上海大学计算机工程与科学学院
-
出处
《计算机应用研究》
CSCD
北大核心
2004年第7期17-20,共4页
-
基金
国家自然科学基金资助项目 (6 0 2 75 0 2 2 )
上海市科委重点基础研究项目 (0 1JC14 0 2 2 )
-
文摘
DBSCAN是基于密度的聚类算法的一个典型代表 ,它对空间数据库聚类有很好的性能。然而 ,在对大规模数据库聚类时 ,DBSCAN需要大量内存支持并伴随着I/O开销。随着高性能计算机的发展 ,特别是集群式计算机的出现 ,提供了一种解决DBSCAN算法缺陷的方法。测试表明 。
-
关键词
大规模数据库
聚类
数据交叠分区
DBSCAN算法
并行计算
-
Keywords
Massive Database
Clustering
Data-overlap-partition
DBSCAN Algorithm
Parallel Computing
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基于MapReduce的改进DBSCAN算法
被引量:5
- 2
-
-
作者
赖丽萍
聂瑞华
汪疆平
黄家鸿
-
机构
华南师范大学计算机学院
-
出处
《计算机科学》
CSCD
北大核心
2015年第B11期396-399,共4页
-
基金
教育部-中移动基金项目(MCM20130651)
广州市科技和信息化局基金项目(2014Y2-00006)资助
-
文摘
针对聚类算法DBSCAN中存在的Eps参数问题和处理海量数据集时的效率问题,提出OPDBSCAN算法。OPDBSCAN算法通过交叠分区获取局部Eps以降低全局Eps参数对聚类质量的影响,并结合MapReduce并行框架提高算法效率。实验结果表明,OPDBSCAN算法的效率和聚类质量都高于原DBSCAN算法。
-
关键词
OPDBSCAN
MAPREDUCE
EPS
K-dist图
交叠分区
-
Keywords
OPDBSCAN, MapReduce, Eps, K-dist, Overlap-partion
-
分类号
TP30
[自动化与计算机技术—计算机系统结构]
-