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

Adai Shomanov, Мадина Мансурова, Aliya Nugumanova

2018

DOI 10.1109/icaict.2018.8747118

Достоверность данных 70 средняя

Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

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.