采用k-均值聚类算法的资源搜索模型研究
针对当前海量信息存储对等网络系统中资源搜索技术效率较低的问题,提出了一种采用k-均值聚类分析的高效搜索模型.该模型利用资源描述框架(RDF)描述的元数据进行聚类分析,使得资源的搜索由全局变为局部,从而有效地提高了资源搜索效率;采用动态优化排序技术显著提高了查询的速度.通过子网分裂算法和节点备用算法增强了模型的可扩展性、安全性和可靠性.仿真结果表明,所提模型在查找时延和平均路径方面均比传统搜索模型更加高效、便捷.
海量信息存储、聚类分析、元数据、搜索技术
46
TP311.52(计算技术、计算机技术)
国家自然科学基金资助项目61073196;陕西省自然科学基础研究基金资助项目2011JM8026
2013-01-07(万方平台首次上网日期,不代表论文的发表时间)
共5页
55-59