基于分布式平台Spark和YARN的数据挖掘算法的并行化研究
中山大学 梁彦
本文在Spark平台上实现k-means算法并行化。针对k-means算法的不足，本文使用canopy算法对k-means算法进行优化提高算法效率和聚类结果的准确性，并在Spark平台上实现canopy-kmeans算法的并行化。对基于Spark平台的k-means并行算法和canopy-kmeans并行算法在准确性、加速比、扩展性、与其他平台性