技术总结
本发明公开了一种基于分布式计算平台改进的k均值聚类方法，针对海量数据处理慢的问题引入了分布式计算平台Spark的，针对迭代次数过多的问题，引入卡洛斯卡尔算法，针对没有考虑向量各特征间的相关性，引入谷本距离。首先，通过克洛斯卡尔算法来对随机选取的k个点来构造最小生成树并求出对应的权值和，重复n次，然后按照这n次得到的权值和，从中选取出最大的权值和并且确保由k个点组成的边之间的距离值相差不大，这样可以保证簇心相对均匀分布，最后使用经谷本距离改进后的k均值算法进行聚类运算。
技术研发人员：纪小展;张成;徐平平;戴磊
受保护的技术使用者：上海凌科智能科技有限公司
文档号码：201610541225
技术研发日：2016.07.11
技术公布日：2016.12.07