基于k-mean聚类算法的加密云数据排序搜索仿真

• 作者: 杨博宁
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 聚类算法 加密云数据 排序搜索
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 仿真服务化
• 页码范围: 451-455
• 页数: 5页
• 分类号: TP393
• 语种: 中文

摘要

密钥加密索引向量生成加密数据索引时,会产生数据维度升高问题,导致加密云数据排序搜索时间较长,搜索结果不准确,资源利用率低.为此提出基于k-mean聚类算法的加密云数据排序搜索方法.采用k-mean聚类算法对加密云数据进行预处理,选取质心点,并对数据点进行重新聚类,计算出最新的质心点;根据获取的数据聚类结果,选取文档中具有高代表性的关键词作为文档的索引,同时引入加密搜索插件,对索引向量进行维度缩减,使其在检索时形成和用户检索相关的文档摘要,从而能够发送摘要供用户选择目标文档,得到排序搜索结果,实现加密云数据排序搜索.仿真结果表明,所提方法的搜索结果准确率较高,能够有效提升资源利用率,缩短搜索时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨博宁		8	22	2.0	4.0