面向云数据安全存储的分段融合模糊聚类算法

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.

关键词：云数据、安全存储、融合、模糊C均值、聚类

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：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

在线出版日期：2017-06-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：166-169,188