基于多种群协同进化算法的数据并行聚类算法

孙柳

（广东工业大学 华立学院，广州 511325）

0 引言

随着云存储空间多维资源分布数据库存储和信息传输技术的发展，云存储空间多维资源分布数据库的数据信息维数越来越多，需要结合大数据和云信息处理技术，构建云存储空间多维资源分布数据库的大数据并行聚类模型，提高云存储空间多维资源分布数据库数据的检测和识别能力。通过云存储空间多维资源数据并行聚类和特征分析，构建云存储空间多维资源数据聚类分析模型［1］，提高云存储空间多维资源分布数据库的信息管理能力。相关的并行聚类方法研究，在云存储和资源分布数据库的组网设计和大数据信息管理中具有重要意义［2］。

对云存储空间多维资源数据并行聚类是建立在对数据的候选特征分析基础上，通过贝叶斯关联规则分析，进行云存储空间多维资源数据并行聚类［3］。传统方法中，对云存储空间多维资源数据并行聚类方法主要有：基于模糊信息检测的云存储空间多维资源数据并行聚类方法［4］、基于统计分析的云存储空间多维资源数据并行聚类方法［5］、基于粗糙集特征匹配的云存储空间多维资源数据并行聚类方法［6］等。由于传统方法进行云存储空间多维资源数据并行聚类存在适应度水平不高，抗干扰性不好等问题。对此，本文提出基于多种群协同进化算法的云存储空间多维资源数据并行聚类方法。首先构建云存储空间多维资源数据的……