基于Spark并行化的改进K-means轨迹聚类的方法  

作　　者：孙明悦 马胤垚 

机构地区：[1]中国科学技术大学先进技术研究院

出　　处：《数字技术与应用》2023年第10期112-114,共3页Digital Technology & Application

摘　　要：本文设计了一种对K-means初始化改进的Canopy+Kmeans++聚类方法,提高上轨迹聚类算法的效率,为进一步提升轨迹大数据聚类的迭代计算效率,本文利用Spark计算架构的可伸缩性和分布式等特,实现Canopy+K-means++轨迹聚类算法的并行化,并通过对比实验来证明该并行化聚类方案的有效性。

关 键 词：轨迹聚类 聚类算法 可伸缩性 并行化 迭代计算 聚类方法 初始化 CANOPY 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术] TN9[电子电信—信息与通信工程]