文献类型：期刊文章

作　　者：单冬红[1] 史永昌[1] 赵伟艇[1] 张敬普[1,2]

机构地区：[1](平顶山学院计算机学院(软件学院),平顶山467000 [2]中南大学信息科学与工程学院,长沙410000

出　　处：《计算机科学》

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)资助

年　　份：2017

卷　　号：44

期　　号：5

起止页码：166-169

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

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

分 类 号：TP391]