考虑局部密度的电力通信大数据并行聚类算法

由于电力通信大数据分布广、数量庞大且无规律可循,难以取得理想的并行聚类效果,为此,提出考虑局部密度的电力通信大数据并行聚类算法。利用欧式距离计算数据之间的相似度,获取数据局部密度,根据相似度得到并行聚类质心的准确位置;对并行处理过程提出约束条件,并加权处理数据距离,完成高效率的大数据并行聚类。将所提方法与其它方法展开实验对比,结果表明,所提方法有着高于另外两种算法的聚类准确度和纯度,对于无序且数量庞大的典型电力数据也实现了精准聚类,有效降低了漏聚类和误聚类现象的发生概率。