面向云数据安全存储的分段融合模糊聚类算法

• 作者: 单冬红 史永昌 张敬普 赵伟艇
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 云数据 安全存储 融合 模糊C均值 聚类
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 信息安全
• 页码范围: 166-169,188
• 页数: 5页
• 分类号: TP391
• 字数: 4363字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2017.05.029

摘要

为了提高云数据的安全存储性能,需要对数据进行优化属性聚类归集.针对传统方法采用模糊C均值聚类进行云数据存储归类设计具有对初始聚类中心敏感、容易陷入局部收敛的问题,提出一种基于分段融合模糊聚类的云数据安全存储模型构建方法.建立云数据安全存储的网格分布结构模型并进行数据结构分析,进行云数据属性集的向量量化特征分解,对海量的云存储数据流采用分段匹配检测方法进行特征压缩,实现冗余数据自适应归集合并,挖掘云数据信息流的高阶谱特征.在模糊C均值聚类算法的基础上采用分段数据融合进行数据分簇模糊聚类,提高数据存储的安全性,同时降低云数据存储的负荷.仿真结果表明,采用该方法进行云数据聚类和优化存储设计,能降低数据聚类的误分率,提高云数据存储的吞吐量,确保云数据的安全存储.