摘要(Abstract)：
针对当前分流策略无法应对高维数据的冗余度、复杂性以及动态变化,为了有效提升云计算高维数据的分流精度与分流效率,以云计算环境下高维数据为研究对象,提出基于数据分区的云计算高维数据均衡分流方法;通过分析高维数据分布特性,明确分区维度、数量以及边界,利用峰间低谷部分中任意点的对应扫描线,完成高维数据分区;采用构建的数据特征提取策略提取高维数据特征,经迭代更新数据聚类中心,实现高维数据均衡分流;通过模拟实验,以数据流标准方差与数据流比例标准方差为指标,验证数据流分流质量与负载均衡效果。结果表明,云计算高维数据均衡分流方法的数据流比例标准方差较小,具有较高的数据分流精度和效率。
关键词(KeyWords)： 数据分区;云计算;高维数据;均衡分流;特征提取;聚类中心
基金项目(Foundation): 国家自然科学基金项目(61873120)
作者(Author): 张露,尚艳玲
DOI: 10.13349/j.cnki.jdxbn.20211115.001
参考文献(References)：
[1] 李鹏飞，刘春宇，海军.云计算环境下关联性大数据实时流式可控聚类算法[J].科学技术与工程，2018,18(7):185-190.
[2] 张华丽，杨帆，杨华勇.云计算下大数据分布式存储中冗余数据分配算法[J].中国电子科学研究院学报，2018,13(4):433-438.
[3] 郭威，廖丹，王建永，等.双链接无线网络海量电力大数据合理分流方法[J].电子设计工程，2019,27(21):112-116.
[4] 林文敏，张松，刘加邦.边缘计算下面向位置隐私保护的中继分流模型[J].应用科学学报，2020,38(5):724-741.
[5] 周渭博，钟勇，王阳.MapReduce模型中基于直方图的数据均衡算法[J].西北工业大学学报，2018,36(3):480-486.
[6] 张彬，熊传兵.基于体素下采样和关键点提取的点云自动配准[J].激光与光电子学进展，2020,57(4):041008.
[7] 安宁，江思源，唐晨，等.融合单纯形映射与熵加权的聚类方法[J].计算机工程与应用，2020,56(9):148-155.
[8] 王铁兴，王德利，孙婧，等.基于三维稀疏反演的混合震源数据分离与一次波估计[J].吉林大学学报(地球科学版),2020,50(3):895-904.
[9] 马福民，逯瑞强，张腾飞.基于局部密度自适应度量的粗糙K-means聚类算法[J].计算机工程与科学，2018,40(1):184-190.
[10] 王嵘冰，徐红艳，冯勇，等.融合似然比相似度的协同过滤推荐算法研究[J].小型微型计算机系统，2018,39(7):1478-1481.
