原创力文档- 1、本文档共20页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
--(完美WORD文档DOC格式,可在线免费浏览全文和下载)值得下载！
基于leader-follower算法的超级节点研究
文章编号:1001-9081(2012)01-0143-04 doi:10.3724/sp.j.1087.2012.00143
摘 要:基于leader-follower算法的超级节点p2p网中，研究如何处理新进节点与各超级节点语义不匹配问题，有利于提高节点匹配效率和超级节点性能。引入通用类节点和分裂算法，将与各超级节点语义不匹配的新节点交由通用类节点管理，当管理的节点数目达到一定规模后，采用分裂算法将其分裂为若干语义相似簇，最后用合并排序算法从中选择最优节点作为超级节点。实验表明所提方法提高了节点匹配效率和超级节点性能，具有良好的可行性。
关键词:超级节点p2p网；超级节点；语义；分裂算法；相似簇；合并排序算法
中图分类号: tp301.6 文献标志码:a
abstract: analyzing how to deal with new-node that does not match the super-node in super-node p2p network based on leader-follower algorithm can help improve the efficiency and performance of super-node. the paper introduced general class node and splitting algorithm, and the nodes that do not match every super-node were managed by the general class node. when the nodes reached a certain number, the splitting algorithm was used to split these nodes into several semantic similarity clusters. finally, the merge sorting algorithm chose the optimal node as super-node. the experimental results show that the proposed method improves the efficiency and performance of super-node, and it has good feasibility.
key words: super-node peer-to-peer (p2p) network; super-node; semantic; splitting algorithm; similarity cluster; merger sorting algorithm
0 引言
近年来，基于超级节点的对等(peer-to-peer, p2p)网络吸收了集中式对等网络资源搜索效率高和全分布式对等网络鲁棒性强的优点，克服了前者单点失效、负载不均，后者浅搜索深度和分片问题的缺陷，逐步成为人们关注的焦点［1-2］。基于超级节点对等网络研究的关键问题涉及到超级节点选择、超级节点个数、超级节点管理普通节点等问题。文献［3］采用在线聚类算法，将新加入的节点按照语义相关性动态加入相应的超级节点，如果没语义匹配的超级节点，则以新加入节点为基础创建一个超级节点。该方法的优点：只对与新到样本最相似的一个聚类中心进行调整，与该样本无关的其他类的性质得到了保留。但在效率和超级节点性能方面存在一定问题。
本文对文献［3-5］的方法进行了改进，引入通用类节点，与各超级节点语义不匹配的新节点则交由通用类节点管理，当通用类节点管理的节点数达到一定规模后，采用分裂算法将其分裂为若干语义相似簇，最后用合并排序算法从中选择最优节点作为超级节点。本文方法提高了节点聚簇效率,增强了超级节点的性能。
1 相关知识
1.1 在线聚类算法
在线聚类法的目的是使系统可自适应地学习新出现的数据。在对等网中，在线聚类法主要用于对新加入的节点进行管理。目前，对等网中使用的主流在线聚类法是leader-follower(领导者—追随者聚类)算法，其思想为：对每个新加入的节点，计算其语义相似度，将其连接到与之匹配的超级节点，如果没有语义匹配的超级节点，则以新加入的节点为基础创建一个超级节点［3］。
leader-follower算法的优点：该算法针对在线聚类的特点，只对与新到样本最相似的一个聚类中心进行调整，与该样本无关的其他类的性质得到了保留。实验数据表明，与传统聚类算法相比，该算法达到了可塑性与稳定性的平衡［5］。
1.2 超级节点
文献［7
文档评论（0）