基于局部关键节点的大数据聚类算法
【出 处】:
【作 者】:
曹阳
;
钱晓东
【摘 要】
为了能在大数据集中合理地寻找到网络结构,提出了一种适用于大数据集的通过局部核心节点进行社区发现的算法。对于初始节点不确定和适应度函数计算所带来的时间消耗,引入局部关键节点和对适应度公式进行改进来减少时间消耗。并在小规模数据网络和较大规模数据网络中与经典算法进行实验,由实验结果得出,在小规模的数据集中,本算法与经典算法效率相差不大,在测试数据集的规模不断变大的情况下,本算法执行效率明显提高。测试结果表明,本算法是可行和有效的,适用于大规模数据的网络结构发现。
相关热词搜索: 大数据 聚类 局部 适应度 big data clustering local fitness function
上一篇:《计算机工程与科学》征文通知
下一篇:面向高维微阵列数据的集成特征选择算法