袁小艳

(四川文理学院 计算机学院，四川 达州　635000)



ABC_Kmeans聚类算法的MapReduce并行化研究

袁小艳

(四川文理学院 计算机学院，四川 达州635000)

随着数据的海量增长，数据聚类算法的研究面临着海量数据挖掘和处理的挑战；针对K-means聚类算法对初始聚类中心的依赖性太强、全局搜索能力也差等缺点，将一种改进的人工蜂群算法与K-means算法相结合，提出了ABC_Kmeans聚类算法，以提高聚类的性能；为了提高聚类算法处理海量数据的能力，采用MapReduce模型对ABC_Kmeans进行并行化处理，分别设计了Map、Combine和Reduce函数；通过在多个海量数据集上进行实验，表明ABC_Kmeans算法的并行化设计具有良好的加速比和扩展性，适用于当今海量数据的挖掘和处理。

K-means；聚类；人工蜂群；MapReduce

0　引言

聚类分析是当今数据挖掘研究的一个重要领域，其目的是把数据集按照规则分成若干个类别，使得同类别的数据尽量高内聚，不同类别的数据尽量低耦合，它是一种无监督学习技术[1]。

K_means是常用的一种数据聚类算法，具有高效而简单的特性，但其K值要靠经验确定，结果也容易受初始中心点影响，易陷入局部最优解[2]，全局搜索能力较差，鲁棒性也低。群体智能优化算法是一种把所有个体信息进行交互，从而得到最优结果的算法，其全局搜索能力较强，效率也较高，因此很多人都将其融入到K_means算法中进行研究，效果都较理想。

人工蜂群(ABC)算法是2005年根据蜂群觅食的行为提出的一种群体智能算法，其结构简单、收敛速度快、容易实现，更适合于计算机编程[3]。……