采用k-均值聚类算法的资源搜索模型研究

邵必林 1; 边根庆 2; 张维琪 2; 闫瑾 2

您当前的位置：

首页 >

文章列表页 >

采用k-均值聚类算法的资源搜索模型研究

更新时间：2025-07-09

- 采用k-均值聚类算法的资源搜索模型研究
- A Resource Search Model Using k-Means Clustering Analysis
- 西安交通大学学报 2012年46卷第10期页码：55-59
- 作者机构：
  
  西安建筑科技大学管理学院,西安,710055
- 作者简介：
- 基金信息：
  
  : 2012-04-01. 作者简介: 邵必林(1965-),男,教授. 基金项目: 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)
- DOI：
  中图分类号： TP311.52
- 网络首发：2012-10-10，
  
  纸质出版：2012
- 稿件说明：
移动端阅览
邵必林 1, 边根庆 2, 张维琪 2, 等. 采用k-均值聚类算法的资源搜索模型研究[J]. 西安交通大学学报, 2012,46(10):55-59.

A Resource Search Model Using k-Means Clustering Analysis[J]. 2012, 46(10): 55-59.
邵必林 1, 边根庆 2, 张维琪 2, 等. 采用k-均值聚类算法的资源搜索模型研究[J]. 西安交通大学学报, 2012,46(10):55-59. DOI：

A Resource Search Model Using k-Means Clustering Analysis[J]. 2012, 46(10): 55-59. DOI：

摘要

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.

Abstract

An efficient search model using k-means clustering analysis is proposed to improve the low efficiency of resource retrieval technology in peer-to-peer net with mass information. The metadata described by RDF framework is used to perform cluster analysis of resources and the search range of resources is narrowed from global to local so that the model can enhance the efficiency of resource retrieval effectively

a dynamic optimization technique is adopted to significantly improve the inquiry speed. Moreover

the use of the subnet division algorithm and the node backup algorithm enhances the scalability

safety and reliability of the model. Simulation results and comparisons with traditional retrieval models show that the proposed model is convenient and has higher resources searching efficiency in search delay and average path.

关键词

Keywords

references

EDITH C, SCOTT S. Replication strategies in unstructured peer-to-peer networks[C]∥Proceedings of the 2002 SIGCOMM Conference. New York, USA: ACM Press, 2002:177-190.

肖波,聂晓文,侯孟书.DHT网络规模估计算法的定量分析与设计[J].电子科技大学学报,2011,40(2):261-266.

XIAO Bo, NIE Xiaowen, HOU Mengshu. Quantitative analysis and design of an estimating algorithm on DHT network size [J]. Journal of University of Electronic Science and Technology, 2011, 40(2):261-266.

郝杰.基于DHT的结构化P2P路由协议Chord的研究与改进[D].北京:北京邮电大学, 2009.

王必晴. Chord路由算法的研究与改进[J].计算机工程与应用,2010,46(14):112-114.

WANG Biqing. Research and improvement of Chord routing algorithm [J].Computer Engineering and Applications, 2010, 46(14):112-114.

周伟平,刘卫国.基于节点异构的双向查询Chord系统[J].计算机工程,2009, 35(2):95-97.

ZHOU Weiping, LIU Weiguo. Bidirectional search Chord system based on heterogeneity of peers[J].Computer Engineering, 2009, 35(2):95-97.

W3C. Resource description framework[EB/OL].(2003-10-20)[2012-01-15]. http:∥www.w3. org/RDF/.

YU Zhiwen, WONG Hausan. Quantization-based clustering algorithm [J]. Pattern Recognition, 2010, 43(8):2698-2711.

QIU Dingxi. A comparative study of the k-means algorithm and the normal mixture model for clustering: bivariate homoscedastic case[J].Journal of Statistical Planning and Inference, 2010, 140(7):1701-1711.

TSAI C W, YANG C S, CHIANG M C. A time-efficient pattern reduction algorithm for k-means based clustering [C]∥IEEE International Conference on Systems, Man and Cybernetics. Piscataway, NJ, USA: IEEE, 2007:504-509.

BLOEHDORN S, CIMIANO P, HOTHO A. Learning ontologies to improve text clustering and classification[C]∥Proceedings of the 29th Annual Conference of the From Data and Information Analysis to Knowledge Engineering. Berlin, Germany: Springer, 2006:334-341.

周博,刘奕群,张敏,等.一种基于文件相似度的检索结果重排序方法[J].中文信息学报,2010,24(3):19-36.

ZHOU Bo, LIU Yiqun, ZHANG Min, et al. A document relevance based search result re-ranking[J]. Journal of Chinese Information Processing, 2010,24(3):19-36.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

采用机器学习的大规模并行程序I/O性能建模与预测方法

电动车辆间接热系统快速除湿响应迟滞机理及优化控制策略

EBSILON软件在热电联产系统优化中的应用综述

超临界二氧化碳向心透平轮背间隙内风阻损失及流动特性研究

离子液体改性燃料的电流体动力学效应研究