并行K-Means相关论文
提出了一种基于并行随机存取模型的并行K-Meatm算法,并对该算法的计算复杂度进行了理论分析.分析结果表明,本文提出的并行K-means......
针对传统k-means聚类算法面对海量数据存在时间复杂度急剧增加的问题,结合云计算的优势,提出基于MapReduce编程框架来实现k-means......
随着信息技术的飞速发展,需要处理的数据量急剧增长,聚类算法的研究面临着海量数据分析和处理的挑战。对K-means聚类算法的优化进......
传统聚类分析是一种无监督学习方法，聚类过程仅仅使用了无标记数据，忽略了数据集自然存在的各种先验信息。然而，半监督聚类则在使用无......
随着数据库技术的发展和Internet的迅速普及,实际应用中需要处理的数据量急剧地增长,致聚类研究面临许多新的问题和挑战,如海量数......
为获得分布式数据集上用户所期望的聚类结果,提出了基于约束信息的并行k-means聚类算法.在分析并行k-means能够有效实现对水平分布......
随着数据的爆炸式增长,聚类研究作为大数据的核心问题之一,正面临计算复杂度高和计算能力不足等诸多问题。提出了一种基于Hadoop的......
由于移动设备和互联网网络的快速发展,互联网上产生的信息呈指数级的增长。处理海量数据的两个关键问题就是海量数据的存储和计算......
广告投放的效率问题一直是广告商/代理商们关注的焦点。从根本上说,决定广告投放效率的是广告的投放选择策略。传统的广告投放没有......
