点击次数：

论文类型：期刊论文

发表时间：2015-05-15

发表刊物：计算机工程

收录刊物：PKU、ISTIC、CSCD

卷号：41

期号：5

页面范围：19-25

ISSN号：1000-3428

关键字：不完整大数据;近邻传播聚类;云计算;数据填充;不完整信息系统

摘要：传统大数据填充算法是根据整个数据集对缺失数据进行填充，使得填充值容易受到不同类别数据的干扰，导致填充结果不精确。针对该问题，给出不完整数据的相似度度量方法，使用近邻传播( AP )算法对不完整数据进行聚类。采用云计算技术优化AP聚类算法，实现一种基于MapReduce的分布式聚类算法，根据算法聚类结果将同一类数据对象划分到相同簇中，并利用同一类对象的属性值对缺失值进行填充。实验结果表明，该算法能实现不完整大数据的聚类，同时加快聚类速度，提高缺失数据的填充精度。