社團(tuán)挖掘的并行化AP聚類方法
作者：王林; 董小江 西安理工大學(xué)自動化與信息工程學(xué)院; 陜西西安710048
摘要：采用AP聚類算法進(jìn)行復(fù)雜網(wǎng)絡(luò)社團(tuán)挖掘,提高了社團(tuán)挖掘的精度,但在處理海量數(shù)據(jù)時算法速率明顯下降,其中一個重要原因是單臺計算機(jī)的計算性能無法滿足海量數(shù)據(jù)的計算需求。為了提高社團(tuán)挖掘AP聚類在處理海量數(shù)據(jù)時的速率,設(shè)計出一種在Hadoop框架下進(jìn)行的社團(tuán)挖掘的并行化AP聚類方法;將傳統(tǒng)單機(jī)模式下的社團(tuán)挖掘AP聚類算法在分布式平臺上分布進(jìn)行并行化。實驗表明,社團(tuán)挖掘的并行化AP聚類方法在社團(tuán)挖掘精度不下降的情況下提高了海量數(shù)據(jù)的社團(tuán)挖掘速率。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
相關(guān)熱門期刊
