基于Hadoop平台的KMeans算法的设计与实现计算机本科毕业论文.pdf

湖南大学毕业设计(论文) HUNAN UNIVERSITY ( ) 毕业设计论文 设计论文题目： 基于Hadoop平台的 KMeans算法的设计与实现 学生姓名： 学生学号： 专业班级： 学院名称： 指导老师： 学院院长： 2015 5 20 年 月 日 1 湖南大学毕业设计(论文) 第 页 湖 南 大 学 毕业论文原创性声明 本人郑重声明：所呈交的论文是本人在老师的指导下独立进行研究所 取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任 何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡 献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的 法律后果由本人承担。 学生签名： 日期：2015 年 月 日 毕业论文版权使用授权书 本毕业论文作者完全了解学校有关保留、使用论文的规定，同意学校 保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查 阅和借阅。本人授权湖南大学可以将本论文的全部或部分内容编入有关数 据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本论文。 本论文属于 1、保密 ，在______年解密后适用本授权书。 、不保密 。 2 √ （请在以上相应方框内打 ） “√” 学 生签名： 日期：2015 年 月 日 指导教师签名： 日期：2015 年 月 日 2 湖南大学毕业设计(论文) 第 页 基于Hadoop平台的KMeans算法的设计与 现 摘 要 聚类分析(ClusterAnalysis)是根据事物本身的特性研究个体的分类方法。 KMeans是聚类算法中一个经典的算法。然而，随着互联网技术的发展和移动应 用的普及，实际中要处理的数据极急剧增长，使得传统的聚类分析的方法面临新 的问题和挑战。在这篇论文中，阐述了一般聚类分析的过程以及KMeans算法的 原理，还有进行并行化实现的可能性。通过实验发现KMeans算法在Hadoop平 台上可以很好地实现，结果体现了聚类分析直观，形式简明的特点，并且通过并 行计算实现了更好的效果。在多个不同大小数据集上的实验表明，聚类算法虽然 有一定的缺陷，但是在并行平台上体现出优良的加速比、扩展率等性能，适合用 于海量数据的挖掘与分析并且在应用方面也会有很大的潜力。 关键词：聚