云存储中大数据优化粒子群聚类算法

• 作者: 王东强 王晓霞
• 来源期刊: 电子设计工程
• 学科: 工学
• 关键词: 云存储 粒子群 大数据 聚类算法
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 计算机技术与应用
• 页码范围: 26-30
• 页数: 5页
• 分类号: TP391
• 字数: 3168字
• 语种: 中文

摘要

对云存储系统中的大数据进行优化聚类设计,降低存储开销,提高数据管理和调度能力,传统方法中对云存储大数据聚类方法采用量子进化方法,当量子群个体存在非线性偏移时,数据聚类存在局部收敛,导致聚类准确度降低.提出一种基于优化粒子群算法的云存储中大数据优化聚类算法,进行了云存储大数据聚类的原理分析,在传统的模糊C均值聚类的基础上,采用粒子群聚类算法进行大数据聚类算法改进设计,把数据的分割转化为对空间的分割,得到云存储系统中海量数据的模糊聚类中心矢量,采用粒子群聚类方法对聚类数据的离散样本进行动态分配,得到数据聚类的信息素浓度,结合粒子群优化聚类的约束条件,求得云存储中大数据聚类的中心最优解.仿真结果表明,采用该算法进行云存储中大数据优化粒子群聚类,数据聚类的聚类准确度高,收敛性能较好,能在较短的迭代步数下计算得到最优解,在模式识别等领域展示了较好的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓霞	青岛农业大学理学与信息科学学院	8	16	2.0	3.0
2	王东强	青岛农业大学理学与信息科学学院	7	30	2.0	5.0