10.3969/j.issn.1000-386x.2021.03.003
Spark平台上利用网络加权Voronoi图的分散迭代社区聚类并行化研究
针对当下数据大规模增长对计算能力需求的急剧增长,传统独立运行的机器在大规模网络社区中执行社区检测操作时无法提供所需的数据处理能力的问题,提出一种网络加权Voronoi图的并行分散迭代社区聚类法(NWVD-PDICCM).利用基于网络加权Voronoi图的分散迭代社区聚类方法(NWVD-DICCM)提取大型网络的有效社区结构.结合并行聚类方法,将DICCM方法的操作从串行过程转换为并行计算.利用执行并行社区聚类时的图分区,通过最小化从属工作者之间的通信来加速该过程.仿真实验结果表明,NWVD-PDICCM可以与一系列计算机架构平台共同运行,并且实现基于Spark平台的并行操作,相比其他几种较新的方法,在大规模网络数据处理能力方面得到显著提升.
大规模网络数据、网络加权Voronoi图、聚类社区、分散迭代、并行计算、Spark平台
38
TP391(计算技术、计算机技术)
吉林省自然科学基金项目;高档数控机床科学与基础制造装备科技重大专项;重庆市本科高校大数据智能化类特色专业建设项目
2021-03-23（万方平台首次上网日期，不代表论文的发表时间）
共9页
14-21,38
