面向大规模日志数据的聚类算法研究

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：针对大规模日志数据的聚类问题,提出了DBk-means算法.该算法使用Hadoop对原始日志数据进行预处理,并结合了k-means和DBSCAN聚类算法各自的优势.实验结果表明,相比k-means算法进行聚类分析,文中使用DBk-means算法进行聚类,能够取得更好的聚类效果,正确率可以达到83％以上.

外文标题：Research on Clustering Algorithm for Large Data Sets

作者：

李清、沈彤、关毅

展开 >

作者单位：

哈尔滨工业大学计算机科学与技术学院,哈尔滨150001

关键词：

聚类算法 k-means算法 DBSCAN算法大规模数据

基金：

国家自然科学基金

项目编号：

60975077

出版年：

2012

智能计算机与应用

哈尔滨工业大学

智能计算机与应用

影响因子：0.357

ISSN：2095-2163

年,卷(期)：2012.2(5)

被引量4
参考文献量1