Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Feature Point Detection and Target Tracking Based on SIFT and KLT Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Research on a New Density Clustering Algorithm Based on MapReduce

verfasst von : Yun Wu, Zhixiong Zhang

Erschienen in: Geo-Spatial Knowledge and Intelligence

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The empirical solution parameters for the Density-Based Spatial Clustering of Applications with Noise(DBSCAN) resulted in poor Clustering effect and low execution efficiency, An adaptive DBSCAN algorithm based on genetic algorithm and MapReduce programming framework is proposed. The genetic algorithm (minPts) and scanning radius size (Eps) optimized intensive interval threshold, at the same time, combined with the similarities and differences of data sets using the Hadoop cluster parallel computing ability of two specifications, the data is reasonable of serialization, finally realizes the adaptive parallel clustering efficiently. Experimental results show that the improved algorithm (GA) - DBSCANMR when dealing with the data set of magnitude 3 times execution efficiency is improved DBSCAN algorithm, clustering quality improved by 10%, and this trend increases as the amount of data, provides a more precise threshold DBSCAN algorithm to determine the implementation of the method.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Equipment Maintenance Support Decision Method Research Based on Big Data
Nächstes Kapitel Bounded Correctness Checking for Extended CTL Properties with Past Operators
Literatur
1.
Chen, G., Liu, B.Q., Wu, Y.: An adaptive DBSCAN algorithm based on gaussian distribution. Microelectron. Comput. 30(03), 27–30 (2013)
2.
Feng, Z., Qian, X., Zhao, N.: Greedy DBSCAN: a DBSCAN improvement algorithm for multi-density clustering. Comput. Appl. Res. (9) (2016)
3.
Ester, M., Kriegel, H.P., Sander, J., et al.: A Density-based algorithm for discovering clusters in large spatial databases with noise. pp. 226–231 (2008)
4.
Wang, W.T., Wu, Y.L., Tang, C.Y., et al.: Adaptive density-based spatial clustering of applications with noise (DBSCAN) according to data. In: International Conference on Machine Learning and Cybernetics, IEEE (2015)
5.
Uncu, O., Gruver, W.A., Kotak, D.B., et al.: GRIDBSCAN: grid density-based spatial clustering of applications with noise. vol. 4, pp. 2976–2981 (2006)
6.
Shufen, L., Dongxue, M., Xiaoyan, W.: Study on DBSCAN Algorithm Based on Grid Element. J. Jilin Univ. Eng. Sci. 44(4), 1135–1139 (2014)
7.
Luo, Q.: DBSCAN algorithm based on cloud computing. Wuhan University of Technology (2013)
8.
Yang, Y.: Study on adaptive density clustering algorithm based on MapReduce. Tianjin University (2013)
9.
He, Y., Tan, H., Luo, W., et al.: MR-DBSCAN: an efficient parallel density-based clustering algorithm using MapReduce. In: IEEE 17th International Conference on Parallel and Distributed Systems, IEEE Computer Society 2011, pp. 473–480 (2011)
10.
Lei, L., Nie, R., Wang, J., et al.: Improved DBSCAN algorithm based on MapReduce. Comput. Sci. (s2) 396–399 (2015)
11.
Li, L., Xi, Y.: Research on clustering algorithm and its parallelization strategy. In: International Conference on Computational and Information Sciences, pp. 325–328 (2011)
12.
Design, application and application of data clustering algorithm based on MapReduce. J. East China Inst. Technol
13.
Song, J., Xu, S., Guo, C., et al.: A task distribution algorithm for optimizing energy consumption of MapReduce system. J. Comput. 39(2), 323–338 (2016)MathSciNet
14.
Wang, Z., Chen, Q., Li, Z., et al.: MapReduce data equalization method based on incremental partition strategy. J. Comput. (1) 19–35 (2016)
15.
Yaling, X., Jifu, Z., Xiao, Q.: Data placement strategy in MapReduce cluster environment. J. Softw. (8), 2056–2073 (2015)
Metadaten
Titel
Research on a New Density Clustering Algorithm Based on MapReduce
verfasst von
Yun Wu
Zhixiong Zhang
Copyright-Jahr
2018
Verlag
Springer Singapore
Buch
Geo-Spatial Knowledge and Intelligence

Print ISBN: 978-981-13-0895-6

Electronic ISBN: 978-981-13-0896-3

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-981-13-0896-3_55