面向云数据安全存储的分段融合模糊聚类算法

发布时间：2018-01-04 12:04

本文关键词：面向云数据安全存储的分段融合模糊聚类算法　出处：《计算机科学》2017年05期 　论文类型：期刊论文

更多相关文章： 云数据 安全存储 融合 模糊C均值 聚类

【摘要】：为了提高云数据的安全存储性能,需要对数据进行优化属性聚类归集。针对传统方法采用模糊C均值聚类进行云数据存储归类设计具有对初始聚类中心敏感、容易陷入局部收敛的问题,提出一种基于分段融合模糊聚类的云数据安全存储模型构建方法。建立云数据安全存储的网格分布结构模型并进行数据结构分析,进行云数据属性集的向量量化特征分解,对海量的云存储数据流采用分段匹配检测方法进行特征压缩,实现冗余数据自适应归集合并,挖掘云数据信息流的高阶谱特征。在模糊C均值聚类算法的基础上采用分段数据融合进行数据分簇模糊聚类,提高数据存储的安全性,同时降低云数据存储的负荷。仿真结果表明,采用该方法进行云数据聚类和优化存储设计,能降低数据聚类的误分率,提高云数据存储的吞吐量,确保云数据的安全存储。
[Abstract]:In order to improve the safety performance of cloud data storage, to optimize the collection of attribute clustering data. The traditional method of using fuzzy C means clustering cloud classification data storage design is sensitive to initial clustering center, easy to fall into the local convergence problem, put forward a method for constructing cloud data storage security model to segmentation and fusion of fuzzy clustering. The data structure analysis of distribution grid structure model to build cloud data security storage and decomposition of vector quantization characteristics of cloud data attributes, cloud storage data on mass flow using piecewise matching detection method for feature compression, redundancy data mining combined with adaptive imputation, high order spectrum cloud data stream. The data clustering fuzzy clustering segmentation data fusion based on fuzzy C mean clustering algorithm, to improve the security of data storage, at the same time drop Low cloud data storage load. The simulation results show that using the method of data clustering and optimization design of cloud storage, data clustering can reduce the classification error rate, improve the throughput of cloud data storage, to ensure the safety of the data stored in the cloud.

【作者单位】：平顶山学院计算机学院(软件学院);中南大学信息科学与工程学院;
【基金】：河南省科技厅立项项目:云计算环境下网络信息系统隐私保护关键技术研究(162102310483)资助
【分类号】：TP309;TP333
【正文快照】： 随着信息技术和大数据处理技术的发展,采用云计算方法进行数据计算处理和存储能提高数据处理的速度和性能。云数据是云计算系统中进行信息处理的载体,云计算是一种分布式计算和并行计算,在云计算网格空间中分布着大量的云数据,云数据通过云计算系统从一群松散耦合的信息编码符

【相似文献】