论文部分内容阅读
针对聚类算法并行化的需求，该文对基于Hadoop平台Kmeans算法进行了改进，选用Canopy算法对数据进行预处理，并在具有一定数据结构的电影数据集上进行了单机对比实验，集群加速比实验和集群扩展率实验，分别体现改进后算法实现的高效性、良好的加速比和可扩展性，从而可以有效地运用在实际海量数据挖掘中．