Parallel Clustering Algorithm for Categorical Data

E-mail:gt@j2cms.org

实现算法

kmodes

Tao, Guo, Ding Xiangwu, and Li Yefeng. "Parallel k-modes algorithm based on MapReduce." In Digital Information, Networking, and Wireless Communications (DINWC), 2015 Third International Conference on, pp. 176-179. IEEE, 2015.

论文下载

pclope

丁祥武, 郭涛, 王梅, and 金冉. "一种大规模分类数据聚类算法及其并行实现." 计算机研究与发展 53, no. 5 (2016): 1063-1071.

论文下载

运行环境及配置

兼容hadoop 1.xx和 Hadoop 2.xx 平台。 在Hadoop集群的master主机上配置如下：

将dog文件夹放入/usr/local/目录下,将dog_home.sh里的内容拷贝到/etc/profile文件里，
并执行source /etc/profile使之生效.dog中只需包含sbin和lib目录，
lib目录中的dog.jar是由src源码编译而成(使用eclipse的export功能得到).

配置完成后，在系统任何目录都可以调用dog命令(注意：需要有要该目录创建文件的权限)

工具用法提示：

dog 或者 dog -h

基本使用

dog kmodes input output center k maxIter

分类数据聚类算法kmodes,参数解释如下

input         HDFS上的输入文件或者目录
output        HDFS上的输出目录
center        初始中心的文件
k             簇个数
maxIter       最大迭代次数  

dog pclope input output repulsion p maxIter isNumber

分类数据聚类算法pclope,参数解释如下:

input         HDFS上的输入文件或者目录
output        HDFS上的输出目录
repulsion     排斥因子,符点型,一般大于1,值越大,生成聚类个数越多
p             划分参数,整型,会生成p!个map,值越大,准确率越高
maxIter       最大迭代次数
isNumber      用1|0表示数据记录的属性项是否需要编号