|
|||||
|
|
| 基于MapReduce的新聚类算法在农业领域的应用——以柑橘红蜘蛛图像目标识别为例 | |
| 摘 要： | 针对K-means聚类算法需要先给定k值,在一些应用场景中最优k值是未知的问题,提出基于评价机制的自适应K-means算法(SAK-means),并将该算法的核心步骤改写成Mapper/Reducer的形式,部署在Hadoop集群中。经过试验,该算法能够根据数据集的分布情况适当修正k值,特别适用于处理批量的、大尺寸的、最优k值非固定的聚类分析任务,并以批量的柑橘红蜘蛛图像目标识别为例进行验证,结果表明使用SAK-means算法无需给出最优的聚类中心数目,在一定范围内算法可以对聚类中心数目进行有效修正,对于实验中所选用的4幅图像,均可以达到100%的识别率与0%的误判率。进一步研究的方向是最优初始参数的选取,以及算法在集群中的扩展性与加速比。 |
| 本文献已被 CNKI 等数据库收录！ | |