以下实验源码均使用Scala语言编写。

作业中使用的输入文件可以通过以下网盘地址下载：

https://pan.baidu.com/s/1J8miFmJ6RVZKZqe2O5gAwg

提取码：ethn

输入文件放置在项目根目录下的file文件夹（也可以根据实际情况进行调整）。

大作业一：基于Spark的K近邻（KNN）查询

问题描述：

在空间中共有N个点，每个点由R维向量表示其坐标，对于一个点，KNN指距离其最近的K个点的集合，距离为欧几里得距离。
参数：
K = 20（返回近邻的个数）
R = 4（每个点的坐标维度）
要查询KNN的坐标 (0,0,0,0)
输入文件： KNN-input.txt
i,a,b,c,d （共1000行，每行开始一个整数i，表示点的id，之后4个整数，表示坐标，数据之间以”,”分割）
输出结果：

问题1：输出K个整数，为查询的K近邻结果的id，按照距离升序排序（如果距离相等优先输出id靠前的）。
问题2：输出1个浮点数，为K近邻距离的平均值
问题3：输出1个浮点数，为K近邻距离的方差

题解：

import org.apache.spark.{SparkConf, SparkContext}object KNN {val parameter_K: Int = 20 //KNN中的参数Kval pivot: Array[Int] = Array(0,0,0,0) //要查询KNN的坐标def main(args: Array[String]): Unit = {//步骤1：启动spark并读入数据val sparConf = new SparkConf().setMaster("local").setAppName("KNN")val sc = new SparkContext(sparConf)val lines = sc.textFile("file\\KNN-input.txt")val array = lines.collect()//步骤2：定义相关函数//字符串处理，返回(Array[Int], Int)元组def String_Split(str : String) = {val arr = str.split(",").map(x_ => x_.toInt)(arr.slice(1,arr.length),arr(0))}//计算到数组中所有点到某个点的距离，并返回(Array[Int], Int, Double)元组def Calculate_Distance(t : (Array[Int], Int), p : Array[Int]) = {val arr = t._1var dist: Int = 0for(i <- arr.indices){val diff = arr(i) - p(i)dist += diff * diff}(arr,t._2,math.sqrt(dist))}//计算数组平均值def Calculate_Average(arr: Array[Double]) = {var sum: Double = 0arr.foreach(x => sum += x)sum/arr.length}//计算数组方差def Calculate_Variance(arr: Array[Double]) = {val avg = Calculate_Average(arr)var variance: Double = 0arr.foreach(x => {val diff = x - avg; variance += diff * diff})variance/arr.length}//步骤3：进行KNN算法//进行字符串处理val ret = array.map(String_Split)//对数组每个元素依次计算到pivot的距离.map(t => Calculate_Distance(t,pivot))//按照距离为第一优先级，id为第二优先级排序.sortWith((a,b) => if(a._3 == b._3) {a._2 < b._2} else {a._3 < b._3})//最后选取前K个元素.slice(0,parameter_K)//步骤4：提取ret的ID和距离，赋值给ids和distances数组val ids = ret.map(t => t._2)val distances = ret.map(t => t._3)//步骤5：输出数据ids.foreach(x => {print(x);print(" ")})println()println("%.4f".format(Calculate_Average(distances)))println("%.4f".format(Calculate_Variance(distances)))//步骤6：停止运行sc.stop()}
}

输出结果：

560 223 554 438 324 474 274 574 294 397 291 75 440 596 684 423 658 752 118 914
38.8574
34.3549

大作业二：基于Spark的K-mer计数

问题描述:

K-mer是一个长度为K ( K > 0 )的子串，K-mer计数是指整个序列中K-mer出现的频度，本题需要返回出现次数排在前N的子串和出现频率。
假如输入的字符串为ABCDA，K=2，那么子串包含 AB, BC, CD, DA
参数：
K = 2（子串长度）
N = 10（返回排在前N的子串和频率）
输入格式： KM-input.txt
S（长度任意的字符串）
输出结果：

问题1：共N组输出，每组输出为字符串和出现频率，按照出现次数降序排序，若出现次数相同，按照字符串的字典序降序排序。
问题2：输出一个浮点数，为所有字符串出现次数的平均值

题解：

import org.apache.spark.{SparkConf, SparkContext}
import scala.collection.mutable._object Kmer {val parameter_K: Int = 2 //子串长度val parameter_N: Int = 10 //返回排在前N的子串和频率def main(args: Array[String]): Unit = {//步骤1：启动spark并读入数据val sparConf = new SparkConf().setMaster("local").setAppName("Kmer")val sc = new SparkContext(sparConf)val lines = sc.textFile("file\\KM-input.txt")val array = lines.collect()//步骤2：定义枚举子串函数def Find_SubStrings(str : String, k : Int) = {val ret : ListBuffer[String] = ListBuffer()for(i <- 0 until str.length - k + 1){val substr = str.substring(i,i+k)ret += substr}ret.toList}//步骤3：定义字串排名函数def String_Count(str : String) = {Find_SubStrings(str,parameter_K).groupBy(str => str).map(t_ => (t_._1, t_._2.length)).toList.sortWith((a,b) => if(a._2 == b._2) {a._1 > b._1} else {a._2 > b._2})}//步骤4：定义输出与统计函数def Show_Infomation(l : List[(String, Int)], n : Int) = {l.slice(0,n).foreach(x_ => println(x_._1 + "," + x_._2))var avg: Double = 0l.foreach(x_ => avg += x_._2)val ret = avg/l.lengthprintln("%.4f".format(ret))}//步骤5：对array的每一行字符串均进行以上操作，并输出结果array.foreach(str => Show_Infomation(String_Count(str),parameter_N))//停止运行sc.stop()}
}

输出结果：

NM,16
XH,15
PN,15
IX,15
QX,14
FK,14
DL,14
XK,13
SK,13
RZ,13
7.3950

【BIT云计算大作业】基于Spark的K近邻（KNN）查询以及K-mer计数相关推荐

操作系统大作业基于Linux的模拟进程调度算法运用c++语言编程在VMware虚拟机里 centos 亲自写亲自测试代码说明书
发布文章博文管理我的博客退出 Trash Temp 操作系统大作业基于Linux的模拟进程调度算法运用c++语言编程在VMware虚拟机里 centos 亲自写亲自测试代码说明书 @[TO ...
matlab求解多自由度振动系统,【2017年整理】1-《机械振动基础》大作业,基于matlab的多自由度振动.doc...
[2017年整理]1-<机械振动基础>大作业,基于matlab的多自由度振动 <机械振动基础>大作业 (2016年春季学期) 题目多自由度振动系统的固有频率和固有阵型姓名学 ...
江南大学C语言大作业,TCPIP大作业基于TCP的网络通信编程C语言版(江南大学).doc...
TCPIP大作业基于TCP的网络通信编程C语言版(江南大学).doc TCP/IP协议编程大作业课题名称基于TCP的网络通信专业计算机科学与技术班级计算机1206 学号 103041 ...
嵌入式系统大作业——基于QT的3D模型展示
嵌入式系统大作业--基于QT的3D模型展示写在前面实验设备实现内容实现过程在win10上利用SolidWorks软件对模型进行预处理: 编写代码实现功能: 效果演示参考资料写在前面该大 ...
【数字图像处理】大作业基于模式匹配的车牌识别
大作业基于模式匹配的车牌识别 1 课程设计任务 2 设计框图 3 准备工作 4 任务流程 4.1 图像预处理 4.2 图像分割 4.2.1 车牌定位 (1) 上下定界--水平扫描 (2) 左右定界- ...
数字信号处理大作业——基于matlab R2019a的男声变女声资料汇总与代码
@数字信号处理大作业--基于matlab R2019a的男声变女声资料汇总与代码概述参考了很多前人的资料,发现很多函数已经过时了,而且从我通过VIP下载的代码来看,代码的逻辑不是很清晰,废话也多, ...
数字图像处理——大作业基于车道信息的违法车辆车牌识别
数字图像处理--大作业基于车道信息的违法车辆车牌识别一.车牌识别研究现状与分析二.车牌识别算法原理 2.1 车牌定位 2.1.1 基于RGB阈值的车牌区域初定位 2.1.2 基于数学形态学的车牌 ...
HTML期末大作业~基于HTML+CSS+JavaScript旅游网站设计与实现(6个页面)
HTML期末大作业~HTML+CSS+JavaScript旅游网站设计与实现->绿色古典的旅游度假景区(6个页面) 临近期末, 你还在为HTML网页设计结课作业,老师的作业要求感到头大?HTML ...
用matlab实现女声变男声步骤,数字信号处理大作业——基于matlab R2019a的男声变女声资料汇总与代码...
@数字信号处理大作业--基于matlab R2019a的男声变女声资料汇总与代码概述参考了很多前人的资料,发现很多函数已经过时了,而且从我通过VIP下载的代码来看,代码的逻辑不是很清晰,废话也多, ...
HTML期末大作业~基于HTML+CSS+JavaScript 牛排美食餐饮网站设计与实现(6个页面)
HTML期末大作业~基于HTML+CSS+JavaScript 牛排美食餐饮网站设计与实现临近期末, 你还在为HTML网页设计结课作业,老师的作业要求感到头大?HTML网页作业无从下手?网页要求的总 ...

【BIT云计算大作业】基于Spark的K近邻（KNN）查询以及K-mer计数

以下实验源码均使用Scala语言编写。

大作业一：基于Spark的K近邻（KNN）查询

问题描述：

题解：

输出结果：

大作业二：基于Spark的K-mer计数

问题描述:

题解：

输出结果：

【BIT云计算大作业】基于Spark的K近邻（KNN）查询以及K-mer计数相关推荐

最新文章

热门文章