Design of K-means clustering algorithm in PGAS based Mapreduce framework

Adai Shomanov, Мадина Мансурова, Aliya Nugumanova

2018

Жабық қол жеткізу Метадеректер (CSL-JSON)

DOI 10.1109/icaict.2018.8747118

Деректер сенімділігі 70 орташа

Бұл баға қалай есептеледі

Ол жазбаның өзінің тексерілетін белгілерінен құралады: мақаланың DOI-і бар ма, оның деректерін қанша тәуелсіз дереккөз растады, міндетті өрістер толтырылған ба және соңғы растау қаншалықты жаңа. Дереккөздер арасындағы алшақтық пен идентификатордың болмауы бағаны төмендетеді. 80-нен бастап мән жазбаның қосымша тексерусіз жарияланғанын, 60-тан 79-ға дейін — оның сенімділігі төмен күйде жарияланғанын және қолмен тексеру ұсынылатынын білдіреді. Редактор қолмен тексерген жазбаны қайта есептеу 90-нан төмен түсірмейді. Бұл — мақаланың өзіне емес, ол туралы деректерімізге берілген баға.

Аңдатпа

Clustering large volumes of data is a complicated and time-consuming task. The main goal of clustering task is to explore a given dataset and find appropriate set of cluster centers that have maximum within-cluster and minimum inter-cluster similarity.In our work we present parallel K-means clustering algorithm based on Partitioned Global Address Space implementation of Mapreduce model. The main idea of our approach is to exploit data locality of partitioned global address space model to assign threads to different cluster centers.