基于MapReduce的分类数据增量子空间聚类研究

摘要

基于细粒度属性子空间构建方法提出一种适用于分类数据的并行增量聚类算法SUC,该算法采用属性值-簇相似度度量方法，强化重要属性值对于类簇紧凑程度的正向影响力；在增量聚类阶段，更新属性权值，迭代形成增量类簇；采用MapReduce编程框架，实现算法SUC两阶段的并行化.在人工合成数据集、UCI数据集和真实数据集上，实验验证了算法的准确性、有效性和可扩展性.

关键词

增量子空间聚类 / 细粒度属性权重 / MapReduce聚类 / 分类数据