论文研究基于Spark框架的Kmeans聚类算法研究 .pdf

介绍了一种基于有限缓存的输入队列交换机的集成调度和缓存管理策略（ISMM），该方案在吞吐量和平均延迟两项性能指标上有了很大改善。以前的许多关于输入队列交换机的调度方案都是在无限缓存的前提下完成的，但实

在软件开发过程中，回归测试是一项重要而复杂耗时的工作。测试用例排序技术作为提高测试效率的一种有效手段，是近年的研究热点之一。测试用例排序技术根据测试目标对测试用例进行排序，使得最优的测试用例能够优先执

传统的文献聚类算法根据分析文献关键词进行，忽视了文献之间的引用关系，导致了主题漂移和搜索精度不高的问题。针对引文网络中的聚类问题，受到优先情节和增长定律的启发，提出了一种基于角色划分的分层次的文献软聚

针对K-means聚类算法容易陷入局部最优、不能处理边界对象及线性不可分的缺点,提出一种基于粒子群的粗糙核聚类算法。该算法通过Mercer核将输入样本空间中的样本映射到高维空间,使样本变得线性可分,并

针对经典谱聚类算法无法自适应确定聚类数目，以及在处理大数据量的聚类问题时效率不高的问题，提出了一种基于密度峰值优化的谱聚类算法。该方法首先计算数据对象的局部密度，以及每个数据对象与其他数据对象的最小距

为了更有效地解决网格资源的搜索和定位问题，提出一种以P2P形式实现的、基于兴趣聚类的非集中式网格资源发现算法。算法采用被动学习方式，通过用户的访问历史抽取节点的兴趣属性，将节点按照兴趣属性划分为多个簇

传统谱聚类对初值选取十分敏感，严重影响了聚类效果。为了解决初值敏感问题，提出了基于CMT-FCM（借鉴历史知识的类中心距离极大化聚类算法）的自适应谱聚类算法。该算法以样本空间的标准差作为尺度参数，实现

针对量子行为粒子群优化算法中粒子搜索的盲目性以及初始聚类中心的选取对聚类结果的影响问题，提出了一种基于GA优化的QPSO聚类算法。该算法首先利用GA稳健的全局优化性能进行快速的粗略聚类，然后用GA的聚

设计了一种基于快速谱聚类的图像分割算法，该算法利用余弦相似度构造相似度矩阵，避免了传统谱聚类算法中尺度因子的精确设置问题，提高了算法效率.在谱映射的过程中，该算法采用了Nyström逼近策略，降低了谱

针对分类研究中采用单一类型数据造成的结果失真,提出了综合考虑产品属性和销售时间序列的两阶段优化聚类算法。分别采用基于属性的相似性排序及时间序列的分层优化聚类实现产品单独聚类,然后基于初始聚类结果及参数