云存储中大数据优化粒子群聚类算法.pdfVIP

第 25 卷 第 2 期 电子设计工程 2017 年 1 月 Vol.25 No.2 Eleｃtroniｃ Design Engineering Jan. 2017 云存储中大数据优化粒子群聚类算法 王东强，王晓霞 （青岛农业大学 理学与信息科学学院，山东 青岛 2６６109） 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。 关键词： 云存储； 粒子群； 大数据； 聚类算法 ： 中图分类号： TP391 文献标识码： A 文章编号 1６74－６23６（2017）02－002６－05 Large data optimization particle swarm clustering algorithm based on cloud storage WANG Dong-qiang，WANG Xiao-xia （Science and Information College， Qingdao Agricultural University， Qingdao 2６６109，China） Abstract: The large data of ｃloud storage system is optimiｚed for ｃlustering design， reduｃing storage overhead， improving data management and sｃheduling ability. The traditional method uses quantum evolutionary algorithm to ｃluster large data ｃlustering method. When the quantum group has a nonlinear shift， data ｃlustering has loｃal ｃonvergenｃe， whiｃh leads to the deｃrease of ｃlustering aｃｃuraｃy. A large data ｃlustering algorithm based on partiｃle swarm optimiｚation is proposed， whiｃh is based on the traditional fuｚｚy C means ｃlustering. The ｃlustering algorithm is used to improve the design. The data is transformed into the spatial segmentation. The ｃlustering algorithm is used to obtain the data ｃonｃentration. The opti