采用k-均值聚类算法的资源搜索模型研究

• 作者: 张维琪 边根庆 邵必林 闫瑾
• 来源期刊: 西安交通大学学报
• 关键词: 海量信息存储 聚类分析 元数据 搜索技术
• 年，卷（期）: 2012,（10）
• 页码范围: 55-59
• 分类号: TP311.52
• 语种: 中文

摘要

针对当前海量信息存储对等网络系统中资源搜索技术效率较低的问题,提出了一种采用k-均值聚类分析的高效搜索模型.该模型利用资源描述框架(RDF)描述的元数据进行聚类分析,使得资源的搜索由全局变为局部,从而有效地提高了资源搜索效率；采用动态优化排序技术显著提高了查询的速度.通过子网分裂算法和节点备用算法增强了模型的可扩展性、安全性和可靠性.仿真结果表明,所提模型在查找时延和平均路径方面均比传统搜索模型更加高效、便捷.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵必林	西安建筑科技大学管理学院	84	498	12.0	18.0
2	边根庆	西安建筑科技大学信息与控制工程学院	49	283	8.0	15.0
3	张维琪	西安建筑科技大学信息与控制工程学院	14	41	4.0	5.0
4	闫瑾	西安建筑科技大学信息与控制工程学院	2	7	1.0	2.0