基于群体协同智能聚类大数据存储系统设计.docVIP

基于群体协同智能聚类大数据存储系统设计 　　摘 要： 针对传统基于PSO聚类的大数据存储系统进行数据聚类时容易陷入局部最佳解，收敛效率低，数据存储性能差，设计一种基于群体协同智能聚类的大数据存储系统。基于群体协同智能聚类系统的层次结构，设计大数据存储系统的层次模型，并依据群体协同智能聚类的特征，设计大数据存储系统的体系结构。该系统采用的群体协同智能聚类方法在PSO算法中融入多种群协同进化的方案，避免出现局部最优解问题，将总体种群划分成多个子种群，各子种群独立进化，对共享信息实施周期性调控，获取最佳的数据聚类结果，提高数据聚类的效率和精度，增强大数据存储性能。??验结果说明所设计系统收敛性能高，并且具有较高的数据读写性能和分析性能。 　　关键词： 群体协同； 智能聚类； 大数据； 存储 　　中图分类号： TN911.1?34； TP391.72 文献标识码： A 文章编号： 1004?373X（2017）23?0130?04 　　Abstract： The traditional large data storage system based on PSO clustering is easy to fall into the local optimal solution for data clustering， and has low convergence efficiency and poor data storage performance. Therefore， a large data storage system based on swarm collaboration intelligent clustering was designed. On the basis of the hierarchical structure of the swarm collaboration intelligent clustering system， the hierarchical model of the large data storage system was designed. According to the features of the swarm collaboration intelligent clustering， the system architecture of the large data storage system was designed. The swarm collaboration intelligent clustering method is used in the system to fuse the multi?population coevolution scheme into PSO algorithm to avoid the local optimal solution problem. The total populations are divided into several sub populations. Each sub?population is evolved independently to perform the periodic regulation for the shared information， get the best data clustering result， improve the efficiency and accuracy of data clustering， and enhance the large data storage performance. The experimental results show that the designed system has high convergence performance， high data read and write performance， and perfect analysis performance. 　　Keywords： swarm collaboration； intelligent clustering； large data； storage 　　0 引 言 　　随着计算机网络和数据库技术的快速发展，当前社会的信息化进程逐渐加快，管理人员需要对海量信息实施决策。大数据存储系统是基于数据分析辅助决策的策略。聚类是分析数据并从中采集有价值信息的合理方案，通过聚类能够获取全局的分布模式和数据属性间有价值的关系，是一种重要的数据挖掘方法[1]。而传统基于PSO聚类的大数据存储系统进行数据聚类时容易陷入局部最佳解，收敛效率低，数据存储