计算机工程与科学

作者：高长元1,2，王海晶1，王京1,2

单位：（1．哈尔滨理工大学管理学院,黑龙江 哈尔滨 150040；2．哈尔滨理工大学高新技术产业发展研究中心,黑龙江 哈尔滨 150040）

关键词：CURE,不确定性数据,移动用户数据,Map Reduce,

基金：国家自然科学基金(71272191，71072085)；黑龙江省自然科学基金(G201301)；黑龙江省高等学校哲学社会科学创新团队建设计划(TD201203)

随着云计算、大数据以及移动互联网的发展，移动终端用户数据呈现出数据量大、噪声大、动态性及不确定性增强的趋势，影响了移动用户数据聚类准确率与效率。针对上述问题，提出了一种改进的层次聚类算法CURE。该算法将原有算法中抽样处理数据的方式用Map Reduce函数实现并行化处理，同时结合区间数的概念，将移动用户数据用一个区间表示，计算其区间距离来适应移动用户数据的不确定性特点，从而提高聚类效率与准确率。最后利用MIT Reality项目数据集进行仿真，仿真结果表明了该方法的有效性及可行性，为移动用户数据的进一步利用及用户的个性化推荐提供支持。

来源：2016年第4期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2016年第4期