P2P系統(tǒng)中聚類算法的研究.pdf

1、隨著 P2P技術的不斷發(fā)展,P2P系統(tǒng)已經(jīng)成為儲存海量數(shù)據(jù)的容器,如何在這樣一個包含豐富數(shù)據(jù)的容器中發(fā)現(xiàn)知識成為越來越多的學者研究的內容。P2P技術最大的特點是沒有中心節(jié)點,系統(tǒng)完全分布,這雖然使得P2P系統(tǒng)具有健壯性和可擴展性,但也加大了設計適用于P2P系統(tǒng)的數(shù)據(jù)挖掘算法的難度。
　　聚類是一種常用的數(shù)據(jù)挖掘技術。本文在分析了不同 P2P拓撲結構特點的基礎上,通過深入研究了不同聚類算法的聚類過程,總結了 P2P系統(tǒng)中的聚類算法需

2、要滿足的條件,并在此基礎上設計了 KIPN(K-mean In P2p Networks)聚類算法和SOC(Structure Overlay Clustering)聚類算法分別用于非結構化拓和結構化拓撲P2P系統(tǒng)的聚類。
　　KIPN算法是一個非結構化拓撲P2P系統(tǒng)的k-mean算法,通過擴展經(jīng)典k-mean算法的迭代過程,在每個節(jié)點只與其直接相鄰節(jié)點交換信息的情況下通過有限次迭代使每個節(jié)點上的局部數(shù)據(jù)在全局視圖下聚類。經(jīng)實驗數(shù)

3、據(jù)分析驗證KIPN算法可以適應P2P系統(tǒng)中的節(jié)點動態(tài)變化,并與集中式聚類算法有相似的聚類結果。
　　SOC算法利用結構化CAN系統(tǒng)中數(shù)據(jù)嚴格按照規(guī)律分布的特點,將系統(tǒng)坐標空間與聚類數(shù)據(jù)空間重疊,使相鄰數(shù)據(jù)存儲在同一(或相鄰)節(jié)點上。用系統(tǒng)坐標空間劃分的逆過程進行凝聚型層次聚類,使CAN系統(tǒng)數(shù)據(jù)聚類達到與集中式聚類算法相同的結果。通過分析 SOC算法的聚類過程得到在數(shù)據(jù)維數(shù)一定的情況下算法的時間復雜度與系統(tǒng)中的節(jié)點數(shù)呈線性關系。