摘要：为了改进MapReduce早期版本在大数据聚类算法方面的性能,文章提出 了基于 Yarn（Yet Another Resource Negotiator）云计算平台与非负矩阵分解 NMF（ Nonnegative Matrix Factorization）的大数据聚类方法.文章讨论了高维数据相似性聚类与非 负矩阵分解的结合及其面向MapReduce的数据聚类的任务划分方式.该方法的实现 采用 Hadoop2.0 的 Yam 平台,利用 Hadoop 的 HDFS（Hadoop Distributed File System ）来存储大容量的外部数据;描述了基于NMF的大数据相似性聚类方法的编码与实现 过程,并以电信运营商的大数据作为案例程序进行了测试.实验结果表明,Yam云平 台比传统用于数据聚类的非负矩阵方法具有更好的运行时间与加速比,能够在可以接 受的时间范围内完成电信运营商的大数据处理.
分类：期刊> 自然科学与工程技术> 信息科技> 互联网技术
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：云计算 大数据 yam平台 非负矩阵分解 聚类算法
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
