电力通信大数据并行化聚类算法研究

摘要：

随着电力通信技术的发展,产生了大量分布式电力通信子系统以及海量电力通信数据,在海量数据中挖掘重要信息变得十分重要.聚类分析作为数据并行化处理和信息挖掘的一个有效手段,在电力通信中得到了广泛的应用.然而,传统聚类算法在处理海量电力数据时已不能满足时间性能的要求.针对这一问题,提出了一种基于MapReduce模型的并行化k-medoids聚类算法,首先采用基于密度的聚类思想对k-medoids算法初始点的选取策略进行优化,并利用Hadoop平台下的MapReduce编程框架实现了算法的并行化处理.实验结果表明,改进的并行化聚类算法与其他算法相比,减少了聚类时间,提高了聚类精度,有利于对电力数据的有效分析和利用.

关键词：电力通信、聚类、并行化、优化

所属期刊栏目：44

分类号：TP181(自动化基础理论)

资助基金：广东电网有限责任公司科技项目资助GDKJQQ20161191

在线出版日期：2018-06-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1-4,24