郭晨晨，朱红康

(山西师范大学 数学与计算机科学学院，山西 临汾 041000)



基于K-均值和K-中心点算法的大数据集分析

郭晨晨，朱红康

(山西师范大学 数学与计算机科学学院，山西 临汾 041000)

大数据已然成为当今世界最热门的话题之一，对于海量数据处理方法的研究一直是重要的科研领域，将原有的数据统计分析方法加入到大数据分析中也是必然的研究方向.文章选取了 K-Means 及其K-Mediods算法对KEEL的transaction10k数据集进行评估.该数据包含较大的数据容量，因此对于模拟大数据环境有很好的作用.可以想象到，现实世界庞大的数据真实客观地反映到图像中必然会为分析数据带来极大的便利.输入到这些算法中是随机分布的数据点，并根据其相似度产生的聚类已经生成.比较结果表明，K-Medoids在种子对象的选取和聚类间重叠的合理控制方面要比K-均值更有优势.

大数据;聚类;数据处理;K-Means;K-Medoids

0 引言

海量数据指数型的增长提前宣告了大数据时代的到来,而作为大数据核心的数据挖掘成为信息时代研究的核心领域．数据挖掘是指从大量的数据中通过算法搜索隐藏于其中信息的过程,这些信息是清晰的、易理解的、有用的、合理的．而数据挖掘的主要工作任务是将现有数据或者经简单分析的“粗加工”数据“加工”成包含知识的有用信息的过程[1]．

数据挖掘服务端接收来自客户端的原始数据、元数据和可能的特定领域知识．海量数据通过数据挖掘的筛选、提取、改造后通……