共查询到20条相似文献，搜索用时 406 毫秒
1.
资源负载均衡是提高云计算资源调度效率的重要因素,为提高云计算中任务调度的效率,减少执行时间,针对传统的资源均衡算法在没有考虑到云计算环境下的资源节点安全性因素,复杂度高,效果不好的问题,提出一种引入安全性函数分形维特征重组的资源均衡算法。建立任务调度策略及资源均衡模型,构造任务调度所需要时间、费用、可靠性等方面的因素进行特征描述,对负载资源信息流的分形维信息特征提取,通过分层化状态重组,实现对资源负载的均衡处理,得到负载目标函数,提高任务处理效率。实验结果表明,该算法进行Cloud Sim平台下的负载云计算任务调度和负载资源均衡,能有效节省任务执行时间,降低计算开销,执行效率优越于其它算法。 相似文献
2.
网格任务调度的目标是在最短的时间内将任务进行合理分配并实现负载均衡,最终得到实现全局的最优化调度方案.本文提出了一种兼顾任务之间的依赖关系和负载均衡的网格任务实时调度算法.首先,将网格分成若干个簇,每个簇由PC机、任务调度模块、任务控制器、数据集控制器以及数据存储器组成.簇负责接收用户提交的任务,将这些任务存放在本地任务队列中.通过对任务依赖关系的分析,将任务分配给网格的簇,并根据任务的截止期和依赖关系计算任务优先级,优先调度优先级高的任务.仿真实验表明,在Makespan和花费方面,本文算法都优于传统的Min-Min算法. 相似文献
3.
《科技通报》2015,(10)
在云计算环境下,针对K-means对初始聚类中心敏感和易陷入局部最优的缺点,进行K-means聚类中心优化求解,提高对海量数据的聚类处理能力。传统方法采用动态干扰信任感推荐方法进行数据聚类中心求解,聚类中心对初始值敏感性较强,数据聚类效果不好。提出一种基于粒子群密度最大距离凹函数构建和边界隶属度特征分析的云计算中K-means聚类中心优化求解方法。通过云计算处理,对数据聚类余下样本点按照与聚类中心的相似程度来划分成k类,对原始变量数据的差异化特征进行降维处理,通过搜索空间中的粒子,每一个粒子自身都有速度、位置和适应度,通过迭代找到最优解,进行数据规范化预处理,数据预处理包括选择数量,类型和特征的标度,进行边界隶属度特征分析,实现云计算数据的聚类改进。仿真结果表面,该算法对云计算数据的聚类性能优越,聚类中心求解准确,克服了传统的K-means对初始聚类中心敏感和易陷入局部最优的缺点,应用价值较大。 相似文献
4.
提出一种引入QoS开销适应度运算的云计算任务权衡调度算法,首先进行了支持多QoS因素任务调度问题描述与网格拓扑结构构建,进行云计算任务权衡调度对多用户QoS偏好的影响力数学度量,通过多QoS开销适应度运算的引入,根据计算资源的成本和数据传输时间,来确定分配任务的位置。为了适应云存储中的多QoS偏好,重新定义PSO的适应度函数,实现任务权衡调度算法的改进。通过仿真实验研究得出,采用该算法对云计算任务节点的聚类准确性较高,进行任务调度中的实时性好。通过多QoS偏好分析,引入QoS开销适应度运算,用户满意率有明显上升,适应度函数随不同类别任务变化,有效地反映不同类型任务的QoS偏好。展示了较好的云计算任务权衡调度性能。 相似文献
5.
针对云计算中的任务调度的存在效率低的问题,首先分析了云计算任务调度目标,其次,对蚁群算法的信息素设置质量函数、对选择概率设置经验反馈因子进行了改进,对帝国竞争算法中的殖民地计算方式、边界值的处理都采用了新的方式,最后将两种算法进行融合,得到基于蚁群算法-帝国竞争算法的云计算任务调度算法,仿真实验中,在任务执行时间,执行成本和负载率方面,本文算法都具有一定的优越性。 相似文献
6.
在对最佳任务调度下的Web数据进行优化聚类的过程中,容易出现原始数据损失的情况,导致传统数据优化聚类算法,由于忽略初始数据,无法有效实现Web数据优化聚类。提出一种基于粒子群优化的最佳任务调度下Web数据优化聚类算法,依据任务价值密度以及执行紧迫性,塑造动态优先级,通过适应度函数对分类计划进行评价,给出类间距与类内距计算公式,对相关参数和各粒子的位置以及速度向量进行初始化操作;求出粒子的适应度;求出粒子个体最优与群最优;依据粒子群优化算法的位置以及速度对当前位置和速度进行更新;通过K-means算法对EHCF进行聚类,直至全部Web数据聚类完成。仿真实验结果表明,所提方法在Web数据优化聚类上具有很高的优越性。 相似文献
7.
8.
针对传统的K-means算法运行的结果依赖于初始的聚类数目和聚类中心,本文提出了一种基于优化初始聚类中心的K-means算法.该算法通过量化样本间距离和聚类的紧密性来确定聚类数目K值;根据数据集的分布特征来选取相距较远的数据作为初始聚类中心,避免了传统K-means算法的聚类数目和聚类中心的随机选取.UCI机器学习数据... 相似文献
9.
针对传统的蚁群算法在云计算中存在任务调度效率低的问题,本文将共生演算法引入到蚁群算法中,首先将蚁群算法分解为2个子群,并使用共生演算法中的共生,共栖和寄生虫机制避免了算法陷入局部最优,加速了算法获得最优解,在云计算调度仿真中,基于蚁群算法-共生演算法在虚拟机负载均衡、任务完成时间,任务完成成本等方面都有良好的表现,说明本文算法能够有效的提高云计算任务调度效率。 相似文献
10.
11.
12.
基于改进特征提取及聚类的网络评论挖掘研究 总被引：1，自引：0，他引：1
[目的/意义]针对信息过载条件下中文网络产品评论中特征提取性能低以及特征聚类中初始中心点的选取问题。[方法/过程]本研究提出采用基于权重的改进Apriori算法产生候选产品特征集合,再根据独立支持度、频繁项名词非特征规则及基于网络搜索引擎的PMI算法对候选产品特征集合进行过滤。并以基于HowNet的语义相似度和特征观点共现作为衡量产品特征之间关联程度的特征,提出一种改进K-means聚类算法对产品特征进行聚类。[结果/结论]实验结果表明,在特征提取阶段,查准率为69%,查全率为92.64%,综合值达到79.07%。在特征聚类阶段,本文提出的改进K-means算法相对传统算法具有更优的挖掘性能。 相似文献
13.
本文将数据挖掘算法应用干智能答疑系统中,提出了一套基于数据挖掘算法的答疑设计方案并加以改进,传统的K-均值算法聚类虽然速度快,在文本聚类中易于实现,但其同样依赖于所有变量,聚类效果往往不尽如人意.为了克服这一缺点,提出一种改进的K-均值文本聚类算法.它在K-均值聚类过程中,向每一个聚类簇中的关键词自动计算添加一个权重,重要的关键词赋予较大的权重.经过实验测试.获得了一种基于子空闻变量自动加权的适合文本数据聚类分析的改进算法,它不仅可以在大规模、高维和稀疏的文本数据上有效地进行聚类.还能够生成质量较高的聚类结果.实验结果表明基于子空闻变量自动加权的K-均值文本聚类算法是有效的大规模文本数据聚类算法. 相似文献
14.
聚类算法通常用于数据的聚类。除此,它还可以用于异常数据的检测。首先介绍了基于划分的聚类算法K-means,然后给出改进算法I-K-means的算法描述,最后通过实例进行异常分析。 相似文献
15.
为了解决云计算环境下,数字图书馆云数据中心虚拟机集群资源负载不平衡的问题,本文提出了一种云计算环境下,基于负载平衡的数字图书馆虚拟机集群资源调度策略。该策略可减少云计算环境下数字图书馆虚拟机的迁移数量,并改善云数字图书馆的用户服务质量。 相似文献
16.
为了解决云计算环境下数字图书馆资源管理与应用问题,本文设计了一种云计算环境下优化的数字图书馆资源管理与应用平台。该平台可动态实现虚拟化资源的调度和负载均衡,用户在云计算环境中能够得到较高的虚拟化资源利用效率。 相似文献
17.
基于优化初始类中心点的K-means改进算法 总被引：2，自引：0，他引：2
K-means算法是一种重要的聚类算法，在网络信息处理领域有着广泛的应用。由于K-means算法终止于一个局部最优状态，所以初始类中心点的选择会在很大程度上影响其聚类效果。本文提出了一种K-means算法的改进算法，首先探测数据集中的相对密集区域，再利用这些密集区域生成初始类中心点。该方法能够很好地排除类边缘点和噪声点的影响，并且能够适应数据集中各个实际类别密度分布不平衡的情况，最终获得较好的聚类效果。 相似文献
18.
针对云计算环境下数字图书馆网络虚拟化的资源分配、网络应用效率、安全性和经济性等问题,提出一种云计算环境下数字图书馆网络虚拟化管理策略。该策略大幅度增加了网络的数据交换效率,减少了骨干网络的数据流量,通过改善网络传输性能而提高了云计算系统效率。 相似文献
19.
文献著者消歧是人名消歧的一种,近年来引起了学术界的广泛关注。其中,文献聚类方法是文献著者消歧的重要方法,但其实验效果往往不佳。基于此,对文本聚类K—means方法进行改进,并在此基础上来实现文献著者消歧。实验结果表明,改进的K—means算法能有效提高文献著者消歧的实验效果。 相似文献