文献

J-GLOBAL ID：202202249029253611   整理番号：22A0890431

MapReduceベースのK平均クラスタリングアルゴリズム【JST・京大機械翻訳】

A MapReduce-based K-means clustering algorithm

著者 (6件)： Mao YiMin (School of Information Engineering, Jiangxi University of Science and Technology, Ganzhou, Jiangxi, China) ,  Gan DeJin (School of Information Engineering, Jiangxi University of Science and Technology, Ganzhou, Jiangxi, China) ,  Mwakapesa D. S. (School of Information Engineering, Jiangxi University of Science and Technology, Ganzhou, Jiangxi, China) ,  Nanehkaran Y. A. (School of Information Engineering, Jiangxi University of Science and Technology, Ganzhou, Jiangxi, China) ,  Tao Tao (School of Information Engineering, Jiangxi University of Science and Technology, Ganzhou, Jiangxi, China) ,  Huang XueYu (School of Information Engineering, Jiangxi University of Science and Technology, Ganzhou, Jiangxi, China)
資料名： Journal of Supercomputing  (Journal of Supercomputing)
巻： 78  号： 4  ページ： 5181-5202  発行年： 2022年 
JST資料番号： T0418A  ISSN： 0920-8542  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 分割ベースのk平均クラスタ化は,最も重要なクラスタリングアルゴリズムの1つである。しかし,大きなデータ環境において,それは,ランダムに初期のクラスタ中心のランダム選択の問題,MapReduceノードの間の高価な通信オーバヘッド,およびデータ分割におけるデータスキューイングに直面する。これらの問題を解決するために,本論文では,MapReduceとLSH(局所感度ハッシュ関数)の利点を考慮した格子密度と局所高感度ハッシュ関数(MR-PGDLSH)に基づく並列クラスタリングアルゴリズムを提案した。MR-PGDLSHにおいて,最初にGDS(グリッド密度戦略)を設計して,比較的妥当な初期クラスタ中心を得た。次に,DP-LSH(局所感受性ハッシュ関数に基づくデータ分割)を提案して,データセットを多重セグメントに分割した。関連するデータオブジェクトを同じサブデータセットに写像した。類似性関数を設計してクラスタを生成し,それによってノード間の頻繁な通信オーバヘッドを低減した。次に,AGS(適応グループ化戦略)を適用して,ノード上のデータスキューの問題を解決した。最後に,MR-PGDLSHを適用してクラスタ中心を並列にマイニングし,最終クラスタリング結果を得た。理論解析と実験結果は,MR-PGDLSHが既存のクラスタリングアルゴリズムより優れていることを示した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  データ ,  クラスタ化 ,  多重化 ,  *クラスタ ,  *応用プログラム ,  問題 ,  類似性 ,  高感度 ,  無作為抽出 ,  ハッシュ関数 ,  *フレームワーク【ソフトウェア開発】 ,  ゆがみ
準シソーラス用語： 理論解析 ,  通信オーバーヘッド ,  *クラスタリングアルゴリズム ,  ビッグデータ ,  *MapReduce , 【Automatic Indexing@JST】

著者キーワード (5件)： K-means ,  ビッグデータ ,  LSH ,  MapReduce ,  グリッド密度

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： MapReduce ,  平均 ,  クラスタリングアルゴリズム